SLPD:面向全切片病理图像的切片级原型蒸馏
计算机视觉与模式识别
2023-07-21 v1
摘要
提升特征表示能力是许多全切片病理图像(WSI)任务的基础。近期工作在病理专用自监督学习(SSL)上已取得巨大成功。然而,它们大多仅关注块级表示学习,因此在预文本任务与切片级下游任务(如分型、分级和分期)间仍存在差距。为面向切片级表示,我们提出切片级原型蒸馏(SLPD)以探索WSI上用于上下文建模的切片内与切片间语义结构。具体而言,我们对每个WSI内区域(4096x4096块)迭代执行切片内聚类以生成原型,并鼓励区域表示更接近所分配的原型。通过用其原型表示每张切片,我们进一步按原型的集合距离选取相似切片,并通过跨切片原型分配区域以进行蒸馏。SLPD在多个切片级基准上取得最先进结果,并证明切片语义结构表示学习可作为WSI分析的合适代理任务。代码将发布于https://github.com/Carboxy/SLPD。
引用
@article{arxiv.2307.10696,
title = {SLPD: Slide-level Prototypical Distillation for WSIs},
author = {Zhimiao Yu and Tiancheng Lin and Yi Xu},
journal= {arXiv preprint arXiv:2307.10696},
year = {2023}
}
备注
International Conference on Medical Image Computing and Computer Assisted Intervention (MICCAI)