选取差异化形态以分而治之十亿像素病理图像

全切片图像（WSIs）是展现复杂组织结构的海量数字病理文件。从每张 WSI 中选取一小部分具有代表性的图像块至关重要却颇具挑战。因此，遵循“分而治之”（Divide & Conquer）策略对于推动 WSI 分析（包括计算病理学中的分类与 WSI 匹配）变得不可或缺。为此，我们提出一种称为“差异化形态选取”（Selection of Distinct Morphologies, SDM）的新方法，用于挑选 WSI 图像块的子集。其目标是在涵盖给定 WSI 内所有固有形态变异的同时，将所选图像块数量降至最少以表征这些变异，从而确保得到一个紧凑而全面的图像块集合。这一系统性筛选出的图像块集合构成了我们所称的“蒙太奇”（montage）。我们在多个公开与私有组织病理学数据集上评估了 SDM 蒙太奇的代表性。评估采用留一法 WSI 检索与匹配评价方法，并与当前最优的 Yottixel 马赛克（mosaic）进行比较。SDM 在所有数据集的评估中均展现出卓越效能。此外，SDM 通过内在优化选取过程以捕获 WSI 内差异化形态特征，消除了经验参数化的必要——而这是 Yottixel 马赛克的关键环节。