PathoWAve：基于深度学习的权重平均方法，用于改善组织病理图像中的域泛化
图像与视频处理
2024-06-25 v1 计算机视觉与模式识别
摘要
近期的深度学习（DL）技术的快速发展显著推动了医学图像分析的进展。在医学图像处理领域，尤其是组织病理图像分析中，染色方案的差异以及扫描仪器的差异给模型在未见域数据上的泛化能力带来了显著挑战，削弱了自动癌症检测工具在诊断决策中的一致性和可靠性，亟需有效的域泛化（DG）策略以提升其表现。本文引入了组织病理权重平均（PathoWAve）方法，这是一种针对组织病理图像分析中深度学习模型域迁移现象的多源DG策略。将特定的权重平均技术与平行训练轨迹相结合，并策略性地融合常规数据增强与组织病理特定数据增强方法，PathoWAve 实现了对损失景观中全面探索与精确收敛的能力。该方法显著提升了深度学习模型在新型、未见组织病理域上的泛化能力。据我们所知，PathoWAve 是首个提出用于组织病理图像分析中域泛化的权重平均方法。我们的定量实验结果表明，PathoWAve 在Camelyon17 WILDS 数据集上优于处理组织病理图像处理中域迁移现象的先前方法。我们的代码已公开于 \url{https://github.com/ParastooSotoudeh/PathoWAve}。
引用
@article{arxiv.2406.15685,
title = {PathoWAve: A Deep Learning-based Weight Averaging Method for Improving Domain Generalization in Histopathology Images},
author = {Parastoo Sotoudeh Sharifi and M. Omair Ahmad and M. N. S. Swamy},
journal= {arXiv preprint arXiv:2406.15685},
year = {2024}
}