空间域理解的病理学基础模型基准测试

病理学基础模型 (PFM) 已成为从整个幻灯片图像 (WSI) 学习可转移表示的核心方法，并且通常通过下游临床终点对它们进行基准测试。虽然此类任务级别评估是必不可少的，但它们对表示本身编码的内容提供的了解有限，特别是 PFM 嵌入是否可以区分有意义的组织区域并捕获它们的空间关系。我们推出了 SpaPath-Bench，这是一种表示级别基准，旨在诊断 PFM 中的空间表示能力。 SpaPath-Bench 在配对的整个幻灯片图像和空间转录组 (ST) 数据上制定空间域识别 (SDI) 作为诊断任务。它管理 42 个公开配对的 WSI 和 ST 幻灯片，支持跨 19 个编码器和 7 个 SDI 方法进行大规模评估，并使用三个补充标准来衡量分区质量：无监督空间一致性、转录组参考一致性和专家参考一致性。在 83K 次运行中，SpaPath-Bench 揭示了不同的预训练范例捕获了组织空间架构的不同方面，并为构建下一代空间感知计算病理学模型提供了实用指导。代码和数据管道可在 https://bokai-zhao.github.io/SpaPath-benchboard/ 上公开获取。