论文
补丁到全局：整个幻灯片图像中全局一致的百万像素伪像修复的随机补丁扩散
Patch-to-Global: Random Patch Diffusion for Globally Consistent Megapixel Artifact Inpainting in Whole Slide Images
摘要
尽管深度学习具有先进的全切片图像 (WSI) 分析功能，但气泡和折叠等组织伪影通常会通过隐藏基本形态而导致无声失败。目前的病理图像恢复方法大多局限于小斑块，难以维持百万像素规模的全局结构一致性。我们引入了 RestorePath，这是一个用于全球一致的百万像素级修复的框架，可重建组织学图像中的诊断结构，以防止错误的高置信度预测并降低错误率。我们的模型利用以病理学基础模型 (PFM) 嵌入为条件的潜在扩散模型 (LDM)，集成大内核注意力 (LKA) 来管理随机补丁扩散期间的远程依赖性。 RestorePath 通过距离加权插值 (DWI) 和自适应指导量表 (AGS) 进行增强，通过调制周围斑块的信息来确保结构一致性和保真度。对 TCGA-BRCA、BACH 和 Camelyon16 数据集对 512 至 4608 像素图像的评估表明，在保持组织学一致性方面具有最先进的性能。 RestorePath 显着改善了下游计算病理学 (CP) 任务，优于原始伪影图像和传统的检测并丢弃 (D&D) 方法。该代码可在此 https URL 获取