注意鸿沟：扫描仪诱导的域偏移给组织病理学表征学习带来挑战
图像与视频处理
2024-10-28 v1 计算机视觉与模式识别
摘要
组织病理学中的计算机辅助系统常受各类域偏移源的影响，这些偏移会显著削弱算法性能。我们研究了利用自监督预训练克服扫描仪诱导的域偏移以用于肿瘤分割下游任务的潜力。为此，我们提出Barlow Triplets，从具有局部图像对应关系的多扫描仪数据集中学习扫描仪不变表征。我们表明自监督预训练成功对齐了不同扫描仪的表征，但有趣的是这仅给我们的下游任务带来有限收益。由此我们深入揭示了扫描仪特性对下游应用的影响，并有助于更好地理解为何已有的自监督方法在组织病理学数据上尚未展现出如同在自然图像上般的同等成功。
引用
@article{arxiv.2211.16141,
title = {Mind the Gap: Scanner-induced domain shifts pose challenges for representation learning in histopathology},
author = {Frauke Wilm and Marco Fragoso and Christof A. Bertram and Nikolas Stathonikos and Mathias Öttl and Jingna Qiu and Robert Klopfleisch and Andreas Maier and Marc Aubreville and Katharina Breininger},
journal= {arXiv preprint arXiv:2211.16141},
year = {2024}
}
备注
5 pages, 4 figures, 1 table. This work has been submitted to the IEEE for possible publication