蒸-SODA:蒸自主监督视觉变压器用于计算病理学的无源开放集域调整

科学领域:

• 数字病理学数字病理学
• 机器学习在医疗保健中的应用
• 计算机视觉用于医学成像.

背景情况:

• 从整个幻灯片图像中手动输入组织是耗时的.
• 将计算病理学模型调整为新的,未标记的数据集带来了挑战.
• 现有的方法在语义转移 (看不见的类) 和共变量转移 (颜色变化) 方面都存在困难.

研究的目的:

• 为计算病理学开发一个无源代码的开放式域调整框架.
• 解决调整预训练模型到未标记的目标域,既有已知类和未知类的挑战.
• 为了处理图像分析中的语义和共同变量转移. 图像分析.

主要方法:

• 使用自主监督视觉变压器 (ViT) 进行知识蒸.
• 引入了基于新风格的对抗数据增强,用于自我训练的ViT.
• 开发了封闭集合亲和度评分 (CSAS) 来改进伪标签和计算类原型.
• 从语义上类似的目标图像使用来自源模型的弱伪标签进行聚类.

主要成果:

• 在用于结直肠癌评估的三个公共基因病理学数据集上实现了最先进的性能.
• 证明有效适应目标域,既有封闭集和开放集类.
• 展示了自我训练与开放式检测方法的无整合,以改善识别.

结论:

• 拟议的无源开放式域调整框架对计算病理学有效.
• 该方法成功地处理了共变量和语义转移,提高了模型的通用性.
• 这种方法提高了在组织病理学图像分析中封闭式和开放式的识别.