《Pattern Recognition》:Pseudo-label design as program search: An evolutionary framework for point-supervised nuclei segmentation
编辑推荐:
•将伪标签设计重新表述为 LLM 驱动的进化程序搜索。•一个包含 18 个病理学感知原语的程序库,约束了程序搜索空间。•进化得到的程序在四个数据集上达到 80.7%–87.6% 的前景色 Dice。•经校准调优的基线比进化程序落后 10.9–17.9 个百分点。•伪标签质量与
- •
将伪标签设计重新表述为 LLM 驱动的进化程序搜索。
- •
一个包含 18 个病理学感知原语的程序库,约束了程序搜索空间。
- •
进化得到的程序在四个数据集上达到 80.7%–87.6% 的前景色 Dice。
- •
经校准调优的基线比进化程序落后 10.9–17.9 个百分点。
- •
伪标签质量与下游分割性能高度相关。
引言
细胞核分割是肿瘤微环境分析、生物标志物定量和癌症分级 [1] 的基础。从 U-Net [2] 到 HoVer-Net [3] 再到基于 Transformer 的 CellViT [4],全监督方法精度很高,但它们需要像素级实例掩码,这对于单张切片中包含的数百个密集排布的细胞核而言成本过于高昂。点标注方式为每个细胞核只需一次点击,可在保留空间信息的前提下将标注成本降低一个数量级 [5],这一思想后来被扩展到部分点集 [6],但它传递的是细胞核位置信息,而非其范围。
主流的基于点监督的范式首先将点转换为稠密伪标签,然后在其上训练网络 [5], [7], [8]。大多数工作通过架构改进或噪声鲁棒损失函数来提升第二阶段 [9], [10], [11],而伪标签生成过程则基本保持固定。然而,在保持网络结构和训练过程不变的情况下,第 4.10 节发现,在三种流水线和四个数据集上,上游伪标签与下游 Dice 之间的组内 Spearman 相关系数中位数为 。因此,伪标签生成仍然是该流水线中一个被低估的组成部分。
没有哪种人工设计的策略能跨数据集一致表现良好。苏木精通道阈值化在核染色强烈的情况下表现优异,但在苏木精摄取较弱的结直肠组织上失败,此时朴素的固定半径圆法反而更优;流行的 Voronoi 加聚类方案 [5] 在我们的四个基准中有两个属于最差表现(第 4.2 节)。因此,有效的伪标签设计依赖于染色化学性质、组织构成和形态学特征,这也说明了数据集自适应生成相比于反复手动重新调参的必要性。
我们将伪标签流水线设计表述为程序综合问题:流水线是图像处理操作的离散组合,而非连续参数向量。我们直接在前景检测程序空间中进行搜索,在进化循环中 [12], [13] 使用 LLM 作为语义变异算子。与 FunSearch [14]、EoH [15]、ReEvo [16] 等 LLM 驱动的算法设计方法不同,医学图像候选程序在高分辨率图像上操作,无约束生成的代码可能难以运行,并使搜索缺乏有效的适应度评估。
对候选程序进行评分需要像素级真值,而不仅仅是点标注。因此,我们使用每个数据集 10 张像素标注的图像作为校准集,从训练集中抽取。该集与神经架构搜索 [17] 中的验证集起类似作用:用少量有监督数据引导搜索,其输出再被规模化应用。为对齐监督水平,所有基线方法均接受相同的校准集进行超参数调优。若去除 Dice 项(),目标函数会退化,因为全前景掩码可获得 Cov;因此,我们不将 作为分割实验报告。
该框架由三个组件构成。(1) 分解与目标函数。一个固定的标记控制分水岭算法 [18] 跟随一个可进化的前景检测器,后者由校准 Dice 和点覆盖率进行评分。(2) 受限程序空间。LLM 组合 18 个病理学感知原语,一个静态门控机制强制满足 的整程序上界;有效适应度提案率从 61.5% 提升到 92.1%,被采纳程序中超时比例为 2.6%。(3) 受控评估。配对的受限/无约束搜索用于分离程序空间效应,同一程序库上的强类型遗传编程则用于隔离 LLM 先验。我们在四个基准上报告了五随机种子的置信区间、Wilcoxon 检验、收敛性与多样性分析、超参数与留一类别消融实验。可读的进化程序在第 4.9 节中列出;它们已知的病理学前例被视作搜索具有意义的证据,而非算法新颖性。
这种表述方式也可能适用于人工设计仍然是部署瓶颈的预处理流水线。
章节摘要
基于点监督的细胞核分割
Qu 等人 [5] 提出了基于点的 Voronoi 与 k-means 伪标签。后续方法主要致力于使训练对标签噪声鲁棒,包括 PseudoEdgeNet [19]、SC-Net [9]、BoNuS [10] 和 Pan 等人 [11];DoNuSeg [7] 和 DeNSe [8] 则转而改进伪标签生成。相关工作还采用了计数监督 [20]、迭代精化 [21]、聚类过滤选择 [22] 和边界特征对齐 [23]。这些方法仍然是固定的人工编写策略;我们将策略设计自动化。
方法
图 1 概述了该框架:LLM 在受限的原语库上提出前景检测程序,评估器在小型校准集上对其进行评分,种群向得分更高的程序进化,其中最优个体取代人工设计的模块。
数据集、划分与协议
所有数据集均为公开数据:CPM [40](64 张图像;32/32 训练/测试)、MoNuSeg [1](51 张)、CoNSeP [3](41 张)以及 PanNuke [41], [42](7904 张图像;19 种组织)。点为实例重心,必要时移动到最近的内部像素;Qu 等人 [5] 则使用边界框中心。MoNuSeg 与 CoNSeP 图像被切分为不重叠的 500 × 500 图块;PanNuke 保持 256 × 256 不变。使用标准划分方式,所有指标均基于保留的测试数据报告。
PanNuke 协议。我们在上训练
讨论
失效分析。四个数据集的定性对比见图 3。在 CPM 上,错误相对均衡(FP 4.4%,FN 3.8%),主要集中在低对比度结缔组织和细长细胞核上;图 4 对比了我们的以真阳性为主的图与 FN 偏高的固定圆方法和 FP 偏高的 Voronoi 方法。CoNSeP 在苏木精摄取较弱的情况下偏向假阴性(5.1% FN,3.6% FP),而 PanNuke 的异质性提高了两者的错误率。逐图像点邻域外观建模
结论
我们将伪标签设计重新表述为在受限的病理学感知库上的程序综合。静态门控使 LLM 驱动的进化变得可行,所得程序达到 80.7%–87.6% 的前景色 Dice:比最佳仅基于点的人工策略高 14.0–22.1 个百分点,比最强校准调优基线高 10.9–17.9 个百分点。校准到测试的差距为 0.3–1.9 个百分点。配对对照表明,库本身贡献了相当一部分增益,而同一程序库上的 FunSearch(.858)和
CRediT 作者贡献声明
Guoshuai Xu:写作 – 审阅与编辑。Lingbo Zhang:写作 – 审阅与编辑,概念构思。Kai Zhang:写作 – 审阅与编辑。
利益冲突声明
作者声明不存在可能影响本文所报告工作的已知竞争性财务利益或个人关系。
Guoshuai Xu|Lingbo Zhang|Kai Zhang