arXiv来源发表:
病理切片生成不再止步千像素小图：整张十亿像素切片一次连贯生成，合成样本让少样本分类最多提升18%
核心概要
病理图像生成此前只在图块尺度进行，最多产出1024×1024像素的小块，而临床诊断的文本报告和切片级标签都作用于整张切片。BigCell把流匹配变换器训练在2048×2048像素、超过12万张公开全切片图像上，并用推理时的滑窗流程生成最高32768×32768像素的连贯图像，在图块级和切片级保真度指标上优于此前的图块生成器。它还引入自适应调度优先处理重要区域，生成速度提升三倍以上而质量下降很小，并用合成样本把切片级少样本分类性能最多提升18%。
深度剖析
病理图像生成从图块尺度推进到整张切片的原生十亿像素尺度，生成结果在整张切片范围内保持连贯。 此前的病理生成模型只产出固定尺寸图块，最大1024×1024像素，仅覆盖整张切片的一小部分。 在超过12万张公开全切片图像上训练后，BigCell在图块级和切片级保真度指标上均优于此前的图块生成器。
生成整张切片靠的是在2048×2048像素上训练的流匹配变换器，加上推理阶段的滑窗流程。 流匹配变换器是一种直接学习从噪声到图像连续变换的生成模型，滑窗流程则把大图分块生成再拼成整张切片。 条件来自病理基础模型的嵌入，覆盖多种器官类型，最终生成最高32768×32768像素的连贯图像。
为了让十亿像素合成可用，自适应调度把算力优先分给切片中重要的区域。 均匀处理所有区域会让整张切片的生成代价过高。 该策略把图像生成速度提升三倍以上，质量下降很小。
启示与展望
报道依据的是摘要级材料，覆盖训练数据规模、生成分辨率、加速倍数与分类提升等已陈述结果。适合关注病理图像生成与切片级数据增强的研究人员和工程师阅读。
材料为摘要，未给出保真度指标的具体数值、加速与质量下降的量化关系，也未说明合成样本提升18%所对应的具体分类设置。