基于两级交叉一致性监督的弱半监督Whole Slide Image分类
计算机视觉与模式识别
2025-04-17 v1
摘要
计算机辅助 Whole Slide Image (WSI)分类有望提升临床病理诊断的准确性和效率. 该问题通常被形式化为多个实例学习 (MIL) 问题, 每个 WSI 被视为一个袋子, 从 WSI 中提取的小块被视为该袋子内的实例. 然而, 为大量袋子获取标签是一个代价高昂且耗时的过程, 尤其是当利用现有 WSI 处理新分类任务时. 这一限制使得大多数现有 WSI 分类方法失效. 为解决此问题, 本文提出了一种更贴合临床实践的新型 WSI 分类问题设定, 称为弱半监督Whole slide image Classification (WSWC). 在 WSWC 中, 少量袋子被标记, 而大量袋子保持无标记. WSWC 的 MIL 本质以及缺乏 patch 标签, 将其与典型半监督图像分类问题区分开来, 使现有自然图像算法无法直接解决 WSWC 问题. 本文提出了名为 CroCo 的简洁高效框架, 通过两级交叉一致性监督来解决 WSWC问题. CroCo 包含两个异构分类器分支, 能够执行实例分类和袋子分类. 基本思想是在训练期间在两个分支之间建立双层交叉一致性监督. 在四个数据集上的大量实验表明, 当有限数量带袋标签的 WSIs 可用时, CroCo 在袋子分类和实例分类性能方面优于其他比较方法. 到目前为止, 本文首次提出 WSWC问题并给出成功解决方案.
引用
@article{arxiv.2504.12132,
title = {Weakly Semi-supervised Whole Slide Image Classification by Two-level Cross Consistency Supervision},
author = {Linhao Qu and Shiman Li and Xiaoyuan Luo and Shaolei Liu and Qinhao Guo and Manning Wang and Zhijian Song},
journal= {arXiv preprint arXiv:2504.12132},
year = {2025}
}