组织检测不再只看平均重叠:SCOUT 把需修正病例组从 38.1% 降到 18.6%
核心概要
全切片图像的组织检测常以平均重叠衡量,但淡染组织、小碎片和染色差异造成的漏检会被平均值掩盖。SCOUT 先用缩略图得到初始组织掩膜,再用一个轻量审计网络估计错误高发区域,只把这些高风险窗口交给冻结的病理基础模型细化,并用非对称共识规则合并结果。在公开的多来源、多染色基准上,需修正的病例组比例从已发布检测器中最好的 38.1% 降到 18.6%,免疫组化染色上的改善尤其明显。
深度剖析
组织检测的可靠性开始按“掩膜是否需要修正”来计数,而不是只看与人工标注的平均重叠。 此前多数流程沿用阈值法或预训练检测器,并以 H&E 上的平均重叠作为默认依据;在多染色公开基准上,已发布检测器即使经过针对该基准的后处理调优,仍有大量病例组需要修正。 在 Tissues with Issues 基准的测试集上,SCOUT 把需修正的病例组比例降到 18.6%,而经过开发集后处理调优的 AtlasPatch 为 38.1%,配对差为 -19.5 个百分点,95% 置信区间为 [-29.2, -9.7]。
高风险窗口才调用基础模型,其余区域保留缩略图检测结果。 审计网络是一个以 MobileNetV3-small 为编码器、约 1.4M 参数的 U-Net,它不直接输出新掩膜,而是估计初始掩膜漏掉组织和误判背景的概率。 缩略图被切成 448 µm 窗口,只把风险最高的 50% 候选送入冻结的 Virchow2 编码器,再由轻量解码器映射回组织概率;消融显示随机挑选窗口收益有限,而处理全部候选也没有进一步降低失败率。
合并规则对“补组织”和“留组织”设不同门槛,以压制基础模型带来的假阳性。 基础模型在未染色玻璃和碎屑上可能误判为组织,因此不能直接替换初始掩膜。 在选中窗口内,保留原有阳性像素要求基础模型概率达到较低门槛,而把背景像素新增为组织则要求 0.5 的更高概率;随后去除小于 0.01 mm² 的连通域并排除未扫描区域。
启示与展望
评估集中在一个公开多来源、多染色基准,外加一个规模较小的外部幻灯片集合;病例组并不总对应患者,消融也在测试集上进行。下游验证使用 CAMELYON17 的 500 张淋巴结训练切片,按中心留一交叉验证。
参考掩膜未经专家裁定,失败阈值也未与临床后果对照验证;留出来源上的部分增益来自 ACROBAT,且无法排除与基础模型预训练数据的重叠。复核标记的保证是对基准来源总体边缘成立的,不控制单个站点或已接受切片的失败率;SCOUT 需要 GPU,且未取得最低的 HD95。
