TICON：面向组织病理表示学习的片级瓦片上下文化器
计算机视觉与模式识别
2025-12-29 v2
摘要
在大规模全切片图像(WSI)中对小瓦片的解释往往需要更大的图像上下文。我们引入TICON，一种基于Transformer的瓦片表示上下文化器，为计算病理学的任何应用生产丰富的、具上下文感知的嵌入表示。标准的瓦片编码器基础管道提取的瓦片嵌入脱离了其上下文，无法建模对局部和全局任务至关重要的丰富切片级信息。此外，不同的瓦片编码器在不同下游任务中表现优异。因此，需要一个统一的模型来对源自“任何”瓦片级基础模型的嵌入进行上下文化。TICON通过一个单一的共享编码器实现了这一需求，并使用掩码建模目标进行预训练，以同时统一和上下文化来自多样化瓦片级病理学基础模型的表示。在我们的实验中，TICON上下文化嵌入在众多不同任务上显著提升了性能，在瓦片级基准测试（如HEST-Bench、THUNDER、CATCH）和片级基准测试（如Patho-Bench）上均取得了新的SOTA结果。最后，我们在TICON上预训练一个聚合器，以仅使用 11K 张WSI，构建一个片级基础模型，超越了使用最高 350K 张WSI 预训练的SOTA片级基础模型。
引用
@article{arxiv.2512.21331,
title = {TICON: A Slide-Level Tile Contextualizer for Histopathology Representation Learning},
author = {Varun Belagali and Saarthak Kapse and Pierre Marza and Srijan Das and Zilinghan Li and Sofiène Boutaj and Pushpak Pati and Srikar Yellapragada and Tarak Nath Nandi and Ravi K Madduri and Joel Saltz and Prateek Prasanna and Stergios Christodoulidis and Maria Vakalopoulou and Dimitris Samaras},
journal= {arXiv preprint arXiv:2512.21331},
year = {2025}
}