单次扫描校准病理大模型，嵌入距离直降38.5%！
One-Slide Calibration of Pathology Foundation Models
📖 AI 总结
本文提出SlideRuler方法，用于解决病理基础模型因扫描仪差异而导致的组织表征偏移问题。该方法利用同一张切片内部区域作为内参，学习配对重扫描数据中的迁移映射，从而在推理阶段仅凭单次扫描即可完成校准，且无需改动基础模型本身。在两种编码器和五台SCORPION扫描仪上的实验显示，学习到的迁移映射使目标与源嵌入的平均距离较原始嵌入降低16.3%至38.5%；与同扫描仪无关对照相比，同切片信息在全部四种评估设置（包括扫描仪留出）中均带来正向贡献。此外，源锚定变体在保留大部分对齐增益的同时，将源特征位移进一步降低47.7%至83.6%。该工作表明，从切片自身提取校准信息，为冻结病理模型跨成像系统的一致应用提供了可行路径。
🔑 关键词速览
| 病理基础模型 | 在大规模病理图像上预训练、可迁移到多种下游任务的深度学习模型。 |
| SlideRuler | 本文提出的方法，利用切片内部区域作为对照来校准扫描仪引起的表征偏移。 |
| 迁移映射 | 从配对重扫描中学习到的映射函数，用于将目标域嵌入校正到源域。 |
| 嵌入距离 | 衡量同一组织在不同扫描仪下特征表示差异的度量，距离越小表示一致性越高。 |
| 扫描仪留出 | 评估设置之一，将某台扫描仪的数据完全排除在训练之外以测试泛化能力。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅