LEMON：計算病理学における核形態のための基盤モデル

Abstract

計算病理学は、がん研究や精密医療を支えるために、効果的な表現学習に依存しています。自己教師あり学習はパッチおよびホールスライド画像レベルで大きな進展をもたらしてきましたが、細胞タイプや細胞の表現型を特徴づける上で重要であるにもかかわらず、単一細胞レベルでの表現学習は比較的未開拓のままです。私たちは、LEMON（Learning Embeddings from Morphology Of Nuclei）という、スケーラブルな単一細胞画像表現学習のための自己教師あり基盤モデルを提案します。多様な組織およびがん種からの数百万の細胞画像で学習されたLEMONは、病理における大規模な単一細胞解析を支える、堅牢で汎用的な形態学的表現を学習します。私たちは、幅広い予測タスクにわたる5つのベンチマークデータセットでLEMONを評価し、その強力な性能を示します。これにより、細胞レベルの計算病理における新しいパラダイムとしての可能性が明確になります。モデル重みは https://huggingface.co/aliceblondel/LEMON で利用可能です。