以无监督方式度量组织病理学染色翻译中的域偏移

数字组织病理学中的域偏移可能在使用不同染色或扫描仪时、染色翻译期间等情况下发生。在源数据上训练的深度神经网络可能无法很好地泛化到经历了某些域偏移的数据。对域偏移具备鲁棒性的一个重要步骤是能够检测并度量它。本文证明 PixelCNN 与域偏移度量可用于检测和量化数字组织病理学中的域偏移，且它们与泛化性能表现出强相关性。这些发现为推断模型（在源数据上训练）在未见且无标签目标数据上平均性能的机制铺平了道路。