SCORPION：应对组织病理学中扫描仪引入的变异性

确保模型在不同领域的可靠性能是计算病理学中的一个关键挑战。全视野数字图像中一个特定的变异性来源是由数字扫描仪的差异引入的，因此需要更好的扫描仪泛化能力。这对于计算病理学的现实世界应用至关重要，因为不同机构或医院的扫描设备可能不同，模型不应依赖于扫描仪引入的细节，这最终可能影响患者的诊断和治疗计划。然而，过去的努力主要集中在标准领域泛化设置上，即在训练期间未见过的扫描仪上进行评估，而没有直接评估同一组织在不同扫描仪间的一致性。为了克服这一限制，我们引入了 SCORPION，这是一个明确设计用于评估模型在扫描仪变异性下可靠性的新数据集。SCORPION 包含 480 个组织样本，每个样本用 5 台扫描仪扫描，产生 2,400 个空间对齐的图像块。这种扫描仪配对设计允许隔离扫描仪引入的变异性，从而在控制组织成分差异的同时，对模型一致性进行严格评估。此外，我们提出了 SimCons，这是一个灵活的框架，将基于数据增强的领域泛化技术与一致性损失相结合，以明确解决扫描仪泛化问题。我们通过实验证明，SimCons 在不损害特定任务性能的情况下，提高了模型在不同扫描仪上的一致性。通过发布 SCORPION 数据集并提出 SimCons，我们为研究社区提供了评估和改进跨不同扫描仪模型一致性的关键资源，为可靠性测试设定了新标准。