arXiv 2603.20562
초록 정보가 없습니다.
이 이메일 도메인이 관측된 논문 4건
초록 정보가 없습니다.
초록 정보가 없습니다.
초록 정보가 없습니다.
One-Slide Calibration of Pathology Foundation Models
스캐너 편차는 병리 파운데이션 모델(foundation model)이 동일한 조직을 표현하는 방식을 변화시킵니다. 본 논문에서는 슬라이드 내 특정 영역을 내부 대조군으로 활용하여 다른 영역에서 획득 과정으로 인해 발생하는 변화를 추정하고 보정하는 SlideRuler를 소개합니다. 쌍을 이룬 재스캔(paired rescan) 데이터로부터 학습된 전이 맵(transfer map)은 파운데이션 모델을 고정한 상태로 유지하면서 추론(inference) 시 단일 스캔만으로 캘리브레이션을 가능하게 합니다. 2개의 인코더와 5개의 SCORPION 스캐너에 걸친 실험에서, 학습된 전이는 원시 임베딩(embedding) 대비 평균 타깃-소스 임베딩 거리를 16.3-38.5% 감소시킵니다. 관련 없는 동일 스캐너 대조군과의 비교를 통해, 스캐너 홀드아웃(scanner holdout)을 포함한 4가지 모든 평가 설정에서 동일 슬라이드 활용이 긍정적으로 기여함을 확인했습니다. 소스 고정(source-anchored) 변형 방식은 정렬 성능 향상을 대부분 유지하면서도 학습된 전이 대비 소스 특징(feature)의 왜곡을 47.7-83.6% 줄입니다. SlideRuler는 슬라이드 자체에서 캘리브레이션 정보를 추출함으로써, 여러 이미징 시스템 전반에서 동결된(frozen) 병리 모델을 더욱 일관되게 활용할 수 있는 길을 제시합니다.