通过整个幻灯片图像检索验证组织病理学基础模型

科学领域:

• 数字病理学数字病理学
• 医学中的人工智能
• 计算生物学是一种计算生物学.

背景情况:

• 基础模型为医学成像中零射击学习提供了潜力.
• 组织病理学图像检索对于癌症诊断和研究至关重要.
• 评估基础模型在这个领域的表现是必不可少的.

研究的目的:

• 评估各种基础模型的有效性,以实现零射击组织病理学图像检索.
• 使用标准化框架比较不同基础模型的性能.
• 确定当前全幻灯片图像检索模型的优缺点.

主要方法:

• 从基础模型中使用嵌入式的零拍摄图像检索.
• 在癌症基因组图谱 (TCGA) 数据集上进行的实验.
• 用于基于补丁的全幻灯片图像 (WSI) 检索的Yottixel框架.
• 使用宏观平均F1评分评估的表现,用于顶-1,顶-3和顶-5的检索.

主要成果:

• 基础模型显示了不同的检索性能.
• 约蒂塞尔-UNI获得了最高的前五名F1检索得分 (42%±14%).
• 其他模型如Yottixel-DenseNet,Yottixel-Virchow,Yottixel-GigaPath和GigaPath WSI的得分较低.

结论:

• 基础模型显示出对组织病理学图像检索的希望,但需要进一步开发.
• 当前的嵌入和检索技术对TCGA等复杂数据集有局限性.
• 需要取得进展,以充分利用数字病理学的基础模型,以提高诊断准确性和研究.