面向组织病理学的 SCORPION：解决扫描器引起的变异性问题
计算与语言
2026-04-09 v3
摘要
确保计算病理学模型在不同领域具有可靠性能是一项关键挑战。Whole-Slide Images 中的一个特定变异来源由数字扫描器之间的差异引入，从而迫使需要更好的扫描器泛化。这一点对于计算病理学的实际采用至关重要，因为扫描设备可能因机构或医院而异，模型不应依赖于扫描器引起的细节，这些细节最终可能影响患者诊断与治疗计划。然而，过去的努力主要聚焦于标准的域泛化设置，在训练时评估未出现的扫描器，却未直接评估相同组织组织片在不同扫描器下的一致性。为克服这一局限，我们引入 SCORPION，一个专为评估扫描器变异性下模型可靠性而设计的新数据集。SCORPION 包括 480 个组织样本，每个样本使用 5 个扫描器扫描，共得到 2400 个空间对齐的 patch。这种扫描器配对设计允许隔离扫描器引起的变异性，使在控制组织组成差异的前提下，对模型一致性进行严格评估。此外，我们提出 SimCons，一种灵活的框架，将增强-based 域泛化技术与一致性损失相结合，以明确应对扫描器泛化。我们经验性地表明，SimCons 在不同扫描器上提高了模型一致性，而不会损害任务特定性能。通过发布 SCORPION 数据集并提出 SimCons，我们为研究社区提供了一个评估和改进模型在各异扫描器下的一致性的关键资源，制定了可靠性测试的新标准。
引用
@article{arxiv.2507.20906,
title = {Soft Head Selection for Injecting ICL-Derived Task Embeddings},
author = {Jungwon Park and Jimyeong Kim and Changin Choi and Wonjong Rhee},
journal= {arXiv preprint arXiv:2507.20906},
year = {2026}
}
备注
Accepted by ACL 2026 Findings