SPLICE：精简数字病理图像处理

数字病理学与人工智能（AI）模型的融合彻底改变了组织病理学，开启了新的机遇。随着全切片图像（WSIs）的日益普及，从海量生物医学档案中高效检索、处理和分析相关图像的需求不断增长。然而，由于WSIs尺寸巨大且内容复杂，其处理面临诸多挑战。计算机对WSIs进行完整处理并不现实，而单独处理所有图像块的成本又过于高昂。在本文中，我们提出了一种无监督图像块划分算法，即用于图像分类与查询的序贯图像块划分格（SPLICE）。这种新颖的方法将组织病理学WSI浓缩为一组紧凑的代表性图像块，在最小化冗余的同时形成WSI的“拼贴”。SPLICE通过序贯分析WSI并选择非冗余的代表性特征，优先保证图像块的质量与唯一性。我们对SPLICE在搜索与匹配应用中进行了评估，结果表明，与现有最先进的方法相比，其准确率有所提高，且减少了计算时间和存储需求。作为一种无监督方法，SPLICE将表示组织图像的存储需求有效降低了50%。这种缩减使得计算病理学中的众多算法能够更高效地运行，为数字病理学的加速普及铺平了道路。