基于虚拟标记网络的全切片图像切除边缘无墨迹定位方法

《Scientific Reports》：Autonomous labeling of surgical resection margins using a foundation model

　　**摘要**评估切除边缘是病理标本评估的核心环节，对患者预后具有深远影响。未获得清晰边缘会显著增加局部复发风险，并可能需要化疗或放疗等辅助治疗。然而，边缘评估面临多种程序性挑战，包括人工组织边缘标记（物理墨染）过程中的人为错误、固定和处理引起的组织收缩与变形、以及电灼热损伤导致细胞特征模糊，这些都可能影响边缘的准确识别。我们展示了一种虚拟标记网络（VIN），该网络可在全切片图像（WSI）上定位切除边缘，生成标准化、无墨迹的边缘地图，有助于减轻物理墨染的局限性，并实现准确且可重复的边缘测量。VIN采用冻结的基础模型作为特征提取器，并使用一个紧凑的两层多层感知机进行电灼特征一致性分类的训练。数据集由120张苏木精-伊红（H&E）染色切片组成，来自12块人扁桃体组织，产生约2 TB的未压缩原始图像数据，由认证病理学家提供边界标注。在20张来自先前未见切块的盲测中，VIN生成的边缘叠加图连贯一致，在连续切片上与专家标注定性相符。定量分析显示，测试集的区域级准确率约为73.3%，误差主要集中在有限区域，未破坏全切片边缘地图的连续性。我们的结果表明，VIN能够捕捉与电灼相关的组织形态学特征，为数字病理工作流程提供了潜在的无墨迹边缘划定方法。这些概念验证结果值得在更大规模、具有临床代表性的队列中进一步验证VIN作为边缘定位工具的效果。