基于视觉基础模型的组织病理图像片段语义拼接
计算机视觉与模式识别
2025-08-06 v1 机器学习
摘要
在组织病理学中，组织样本常大于标准显微镜片，需拼接多个片段以处理整体结构如肿瘤。自动拼接是扩大分析的必要条件，但因组织准备过程中可能出现组织丢失、形态学畸变不均、染色不一致、因片板错位导致缺失区域或组织边缘脱片等问题，存在挑战。这限制了基于边界形状匹配算法的先进拼接方法重建人造整块滑片（WMS）。本文引入SemanticStitcher，利用来自视觉组织病理基础模型的潜在特征表示识别不同片段中的相邻区域。基于大量语义匹配候选点的稳健姿态估计，构建多个片段的拼贴，形成WMS。在三个不同的组织病理数据集上进行实验，结果表明SemanticStitcher可实现稳健的WMS拼贴，持续优于现有技术中正确的边界匹配。
引用
@article{arxiv.2508.03524,
title = {Semantic Mosaicing of Histo-Pathology Image Fragments using Visual Foundation Models},
author = {Stefan Brandstätter and Maximilian Köller and Philipp Seeböck and Alissa Blessing and Felicitas Oberndorfer and Svitlana Pochepnia and Helmut Prosch and Georg Langs},
journal= {arXiv preprint arXiv:2508.03524},
year = {2025}
}