欢迎新医生：基于专家咨询和自回归推理的持续学习用于全切片图像分析
计算机视觉与模式识别
2025-08-05 v1
摘要
全切片图像（WSI）分析能够揭示放大视图下的详细组织结构，在癌症诊断和预后中起着至关重要的作用。由于其千兆像素级别的尺寸，WSI需要大量的存储和计算资源来处理和训练预测模型。随着临床和医院中使用的WSI数量迅速增加，越来越需要一种持续学习系统，该系统能够高效处理现有模型并将其适应新任务，而无需在先前任务上重新训练或微调。这样的系统必须在资源效率和高性能之间取得平衡。在本研究中，我们介绍了COSFormer，一个基于Transformer的持续学习框架，专为多任务WSI分析而设计。COSFormer旨在顺序地从新任务中学习，同时避免重新访问完整历史数据集的需要。我们在涵盖七个器官和六项WSI相关任务的七个WSI数据集序列上，在类增量设置和任务增量设置下评估了COSFormer。结果表明，与现有的持续学习框架相比，COSFormer具有优越的泛化能力和有效性，使其成为临床应用中持续WSI分析的稳健解决方案。
引用
@article{arxiv.2508.02220,
title = {Welcome New Doctor: Continual Learning with Expert Consultation and Autoregressive Inference for Whole Slide Image Analysis},
author = {Doanh Cao Bui and Jin Tae Kwak},
journal= {arXiv preprint arXiv:2508.02220},
year = {2025}
}