面向病理档案的可扩展诊断驱动全切片图像检索

数字病理学的日益普及推动了苏木精-伊红染色全切片图像库的快速扩张，但由于元数据往往不一致或缺失，高效浏览这些档案仍面临挑战。基于内容的图像检索通过直接从视觉表征中识别相似病例，而非依赖人工标注或元数据，来应对这一挑战。现有检索系统已展现出良好的性能，但大多依赖人工设计的索引流程和预定义的采样策略，限制了其可扩展性和泛化能力。在此，我们提出 CLEAR-WSI（Constant-Length Embedding for Automatic Retrieval of Whole-Slide Images），这是一种可扩展的诊断驱动切片检索框架，并在公开数据和临床数据上进行了验证。CLEAR-WSI 使用固定长度的切片嵌入，并根据检索设置，利用预测诊断标签或真实标签进一步筛选检索候选项。随后，新处理的病例被添加到不断扩充的记忆库中，使检索档案能够随时间持续增长。在由两个公开数据集和一个私有临床数据集构成、涵盖四项检索任务的综合基准测试中，CLEAR-WSI 的 Precision@5 优于所评估的最强基线，在 CAMELYON16、BRACS-1、BRACS-2 和 X-HER2 上分别提升了 3.10、2.75、1.95 和 3.75。额外的消融实验和延迟研究进一步考察了各组件的贡献，并凸显了该框架在可扩展部署方面的潜力。