Whole slide images 上的肿瘤分割：是训练还是提示？

肿瘤分割是癌症诊断中的关键任务。鉴于 whole slide images（WSI）在组织学上的巨大尺寸，基于深度学习的方法主要在 patch 级或 superpixel 级操作。然而，这些解决方案往往难以捕获全局 WSI 信息，无法直接生成二值掩码。对 WSI 进行下采样并进行语义分割是另一种可能的方法。虽然该方法具有计算效率，但需要大量标注数据，因为分辨率降低可能导致信息丢失。视觉提示是一种新范式，允许模型通过对输入空间进行细微修改来执行新任务，而无需调整模型本身。该方法在许多计算机视觉任务中显示出有前景的成果。在本文中，我们展示了在三种不同器官的肿瘤分割情境中，视觉提示的有效性。与为特定任务训练的经典方法相比，我们发现，在恰当的提示示例存在的情况下，视觉提示可以在无需大量微调的情况下实现相当或更好的性能。