arXiv · cs.AI · Subhankar Chattoraj, Sawon Pratiher, Arijit Ghosh, Prashant Khare, Writankar Kundu, Karan Vishwakarma, Preha Handa, Kirti Rashmi, Hubert Konik · 8 小时前模型评分36
SemaNorm：面向跨医院计算病理的语义与形态对齐染色归一化方法
SemaNorm: Stain Normalization via Semantic and Morphology Alignment for Robust Cross-Hospital Computational Pathology
导读
SemaNorm 是一种自监督染色归一化方法，通过冻结病理基础模型一致性损失与可微分细胞核结构损失，在恢复干净图像块的同时保留诊断语义与细胞形态。在 Camelyon17-WILDS 和 NCT-CRC-HE-100K 的跨医院肿瘤分类测试中，其分布外准确率比最强归一化基线高 5.9%，比不做归一化高 13.5%，形态保持效果最佳。该研究已被 BIBM 2026 接收。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
应用领域：医疗与生命科学
事件类型：研究发布
证据摘录
- “We propose SemaNorm, a self-supervised stain canonicalization stain normalizer to recover clean patches from strongly perturbed inputs, avoiding paired transfer, adversarial instability, and identity collapse.”
来源：arXiv · cs.AI · arxiv.org