[Paper] 多中心基准：基于Multiple Instance Learning模型的HE染色全切片图像淋巴瘤亚型划分

发布: 2天前 (2025年12月17日 GMT+8 01:58)

8 min read

原文: arXiv

Source: arXiv - 2512.14640v1

概述

本文首次提出了一个多中心基准，用于直接从常规 H&E‑染色全切片图像（WSIs）中进行淋巴瘤亚型划分。通过在不同图像放大倍率下评估多种最先进的病理基础模型和多实例学习（MIL）聚合器，作者揭示了深度学习驱动诊断在真实世界多机构环境中的潜力以及当前的泛化局限性。

新多中心数据集，覆盖四种常见淋巴瘤亚型以及健康组织，收集自多个病理实验室。
系统评估了五个公开的病理基础模型（H‑optimus‑1、H0‑mini、Virchow2、UNI2、Titan）以及两种 MIL 聚合器（基于注意力的 AB‑MIL 和基于 Transformer 的 TransMIL）的组合。
放大倍率研究比较了 10×、20× 和 40× 的全切片图像（WSI），结果表明 40× 已足够，更高分辨率并未带来额外收益。
开放基准测试流水线（代码、数据划分、评估脚本）已发布，以支持可重复的未来研究。
对泛化性的洞察：在分布内的平衡准确率 > 80 %，但分布外下降至约 60 %，凸显了更广泛数据多样性的需求。

数据准备 – 来自多个中心的全片图像在三种标准放大倍数（10×、20×、40×）下数字化。每张幻灯片被切分为不重叠的补丁（≈224 像素），并在幻灯片层面标记为五类之一（四种淋巴瘤亚型 + 正常）。
特征提取 – 使用预训练的病理学基础模型（上面列出的五个）作为冻结的编码器，将每个补丁转换为紧凑的特征向量。这避免了昂贵的端到端训练，并且符合医学影像中典型的“迁移学习”工作流。
多实例学习 – 由于仅有幻灯片层面的标签，MIL 将补丁特征聚合为幻灯片层面的预测。测试了两种聚合器：
- AB‑MIL – 基于注意力的池化层，学习为最有信息的补丁分配权重。
- TransMIL – Transformer 风格的编码器，在池化之前捕获补丁之间的交互。
训练与评估 – 模型在分层的分布内（ID）划分上进行训练、验证，随后在 ID 和来自未见中心的分布外（OOD）保留集上进行测试。平衡准确率（各类召回率的平均值）是主要指标。
基准流水线 – 所有步骤（切片、特征提取、MIL 训练、评估）均在可复现的基于 Docker 的工作流中脚本化，实现其他研究者能够以最小工作量插入新的编码器或聚合器。

放大倍数	聚合器	平衡准确率（ID）	平衡准确率（OOD）
10×	AB‑MIL / TransMIL	81 % – 84 %	58 % – 62 %
20×	AB‑MIL / TransMIL	82 % – 85 %	59 % – 63 %
40×	AB‑MIL / TransMIL	84 % – 87 %	60 % – 64 %

快速分流工具：即插即用的 MIL 流水线可以集成到数字病理工作流中，以标记可疑切片供专家复审，可能将诊断时间缩短数天。
硬件预算：由于 40× 扫描已足够，实验室可以避免超高分辨率全切片图像（WSI）的存储和计算开销。
模型选择灵活性：开发者可以选择已发布的五种编码器中的任意一种（或自行研发），无需担心显著性能下降，从而简化部署流程。
跨机构合作：基准测试凸显了共享多样化数据的必要性；全切片扫描仪和病理信息平台的供应商可利用该流水线在不同地点验证其产品。
监管路径：在内部数据（ID）上平衡准确率 > 80 % 符合 AI 辅助诊断工具的早期性能阈值，但跨域（OOD）下降强调在临床批准前进行广泛多中心验证的必要性。

通过公开发布数据划分、代码和评估脚本，作者为社区解决这些挑战奠定了坚实基础，并推动 AI 辅助的淋巴瘤诊断从研究原型走向真实世界的影响。