通过瓦片得分分布匹配实现数字病理中的鲁棒灵敏度控制
计算机视觉与模式识别
2025-07-25 v3 机器学习
摘要
在医疗中心部署数字病理模型具有挑战性,由于分布迁移。最近在域自适应方法中取得的进展,在以ROC曲线下面积(AUC)衡量的聚合性能方面改善了模型的可迁移性。然而,临床法规通常要求控制其他指标的可迁移性,如规定的灵敏度水平。我们引入一种新方法,基于最优传输和多实例学习(MIL),控制整块滑片(WSI)分类模型的灵敏度。经过多个队列和任务的验证,该方法仅需少量校准样本即可实现鲁棒灵敏度控制,为计算病理系统的可靠部署提供了实用解决方案。
引用
@article{arxiv.2502.20144,
title = {Robust sensitivity control in digital pathology via tile score distribution matching},
author = {Arthur Pignet and John Klein and Genevieve Robin and Antoine Olivier},
journal= {arXiv preprint arXiv:2502.20144},
year = {2025}
}
备注
Camera ready version. Accepted at MICCAI 2025