病理切片(WSI)分割：HistoSegNet与CLAM

可视化演示

演示病理切片WSI的金字塔切片、区域采样与弱监督聚类分割流程。

1. 切片全景挑战

假设你要规划一座城市的交通，但拿到的不是干净的行政区划图，而是一张连墙上涂鸦都清晰可见的超大航拍图。你无法一眼看完，只能靠目光巡逻。病理医生面对的数字病理切片（Whole Slide Image，WSI）也是一样：一张切片在 40 倍物镜下扫描后，常常超过 10 万 × 8 万像素，数据量可达数 GB，相当于“千兆像素级城市地图”。

WSI 的麻烦在于，它既有“城市全局”的需求，又有“街区细节”的需求。医生既要知道肿瘤的大致分布区域，又要放大到细胞级别看核分裂像。这种跨尺度观察无法靠单张普通图片完成。人工阅片时，医生要端着显微镜来回移动，耗时费力且容易漏诊。于是，计算机辅助诊断成了必然选择：我们想让 AI 替医生先做一轮“城市巡逻”，把可疑区域标出来。

要把这种巨图交给 AI，第一步是量化它到底有多大。一张 WSI 的像素总量由长、宽和颜色通道共同决定：

回到城市地图的比喻：既然没法把整座城市搬进一间办公室，我们就必须把它切成一张张街区图，分层归档。这正是后面所有方案的前提——先把“城市图”变成能放进 GPU 的“街区卡片”。

2. 金字塔切片

你还记得用在线地图时的体验吗？缩小看，整个省份是一张轮廓图；放大一档，城市道路出现了；再放大，连小区里的小径都清晰可见。地图 App 并没有保存一张无限大的图，而是存了许多不同缩放级别的“瓦片金字塔”。WSI 处理采用了同样的思路。

WSI 扫描仪会按不同倍率保存多个分辨率层级：比如 1.25 倍、5 倍、10 倍、20 倍、40 倍。每一层都相当于给城市拍了一张不同高度的航拍图。我们把每层图像切成固定大小的正方形瓦片，例如 512×512 像素，网络一次只看一片，像巡逻警察只看自己负责的街区。为了让跨层信息可对齐，还要给瓦片加一点边缘重叠，避免细胞恰好被切成两半时模型看不见全局。

金字塔切片的关键问题是如何计算每个层级需要的瓦片数量。假设某层图像的宽和高分别是 $W_l$ 和 $H_l$，固定瓦片边长是 $P$，那么这一层的瓦片总数为：

在城市地图比喻中，金字塔就是那套“不同高度航拍图”。低层级负责全局概况，高层级负责细胞细节。工程上，我们通常只在需要的层级上切片，而不是每一层都做完整推理，才能在效率与精度之间找到平衡。

3. 区域采样

如果城市每个街区都派同样多的警察，那人力一定浪费在大量空无一人的工业区。病理切片同样如此：一片组织里，很大面积是空白背景、脂肪或正常组织，真正有诊断价值的肿瘤区域往往只占一小块。若把全部瓦片不区分地送给模型，模型会被“正常街区”淹没，很难学到关键特征。

区域采样要做的，就是像警力调配一样安排模型的训练数据。第一步是正负样本均衡：既要保留足够多的阳性组织瓦片，也要让阴性瓦片维持一定比例，否则模型只会无脑说“正常”。第二步是困难样本挖掘：每轮训练后，把那些模型最容易分错的瓦片挑出来，下次重点学习，相当于把疑点街区标记出来反复巡逻。第三步是随机采样兜底，防止模型只盯着少数高亮区域而产生偏见。

把采样策略写成损失函数，可以理解为在常规损失之外，给困难样本额外加权：

在城市巡逻场景里，这一步相当于“警力调度系统”。模型不再盲目看每一寸土地，而是把精力集中在高价值、高疑难的街区上，用同样的 GPU 预算是少根杠杆。

4. HistoSegNet

有了街区卡片和巡逻优先级，接下来就要真正回答“这栋楼是什么”。HistoSegNet 的做法很聪明：它不直接对每一块瓦片做像素级分割，而是像警察巡逻一样，先站在街口看一眼门牌，判断“这条街值不值得进去搜”，只有拿到足够置信度，才进入建筑内部逐层标记。

具体来说，HistoSegNet 是一个两阶段流程。第一阶段是一个轻量分类器：对于一张瓦片，判断它是否包含目标组织类型，比如肿瘤、间质、淋巴细胞等。如果分类器给出的置信度太低，说明这块瓦片可能是背景或非代表性组织，直接过滤掉。第二阶段才是语义分割网络：只对通过筛选的瓦片做逐像素分类，输出每个像素属于哪种组织。这种“分类引导过滤”既能减少大量无意义计算，又能有效降低背景假阳性。

如果我们用数学表达这个过程，可以写成：

回到城市比喻：分类器是街口望风的巡警，只判断“这一区是否有可疑建筑”；分割网络才是逐户搜查的清查队。这种“先判断再细看”的结构，既让模型跑得更快，也让组织分割结果更干净。

5. CLAM弱监督

城市每年会出一份“健康报告”：这座城市有没有疫情，大致是绿码还是红码。但报告不会告诉你具体是哪个街区导致的。病理诊断也常面临类似情况：医院病历里往往只有“这张切片是癌/非癌”的切片级标签，却没有“哪个像素是癌”的像素级标签。如果每次都去请病理医生手动画像素，成本高到无法落地。CLAM 正是为解决这类问题而生的弱监督方法。

CLAM 的核心思想是多示例学习（MIL）：把一张切片看成一个大袋子，里面的每个瓦片就是一个小实例。如果切片是阳性，就认为“至少有一个实例是阳性”，但不知道是哪一个。CLAM 用注意力机制来“投票”：每个瓦片先经过特征提取网络变成一个向量，再通过注意力网络打分，最终所有瓦片的特征按注意力权重聚合成整张切片的特征。分数高的瓦片，就是最可能藏有病灶的“重点街区”。

为了让注意力不跑偏，CLAM 还加了聚类约束：把特征相似的瓦片聚成一类，再从中挑出注意力最高的代表斑块。这样，模型不仅给出切片级判断，还能告诉我们“请重点看这几块”。注意力权重计算如下：

在“城市健康报告”场景里，CLAM 就像一个聪明的分析员：它不知道具体哪个小区致病，但会根据城市各处的细微特征打分，再聚类找出最可疑的几个小区，推荐医生优先检查。这正是数字病理中“用粗标签换细决策”的典型范例。

6. 可视化与归档

巡逻队完成任务后，如果不画出一张地图，市长还是不知道哪里有问题。WSI 分割与弱监督分析的最终输出，必须变成人类能看懂、能复核、能长期保存的成果。这一步就是可视化与归档。

最常见的是热力分布图。模型对每一块瓦片输出一个“疑似阳性”的置信度，我们把置信度映射成从蓝到红的颜色，按瓦片在原图上的位置贴回去。这样，一张巨幅 WSI 就变成了一张彩色“风险地图”，病理医生可以像看卫星云图一样，一眼锁定红色区域。由于金字塔切片和边缘重叠，同一个像素可能被多块瓦片覆盖，我们需要把它们的预测平均起来，得到平滑的热力图：

最后一步是归档管理。WSI 本身有金字塔结构，我们要把各层级瓦片、模型热力图、CLAM 选出的代表斑块、诊断结论和质控信息一起存入数字病理系统。如果某些区域扫描模糊、切片褶皱或染色不均，系统要标记“需补采”，就像城市规划师发现某块地图被云挡住，必须重新航拍。归档不仅服务于当前诊断，也为未来新模型回补训练数据留下宝贵资产。

AI 应用场景

Python 演示

import mathimport random def patch_counts(level_dims, patch_size):    results = []    for l, (w, h) in enumerate(level_dims):        total = math.ceil(w / patch_size) * math.ceil(h / patch_size)        results.append((l, total, w, h))    return results def sample_patches(tile_scores, rate=0.5, seed=42):    random.seed(seed)    picked = []    for idx, score in enumerate(tile_scores):        if score > 0.7 or random.random() < rate:            picked.append(idx)    return picked def attention_weights(scores):    exp_scores = [math.exp(s) for s in scores]    total = sum(exp_scores)    return [s / total for s in exp_scores] def cluster_attention(weights, k=3):    groups = [[] for _ in range(k)]    for i, _ in enumerate(weights):        groups[i % k].append(i)    best = max(groups, key=lambda g: sum(weights[i] for i in g) / len(g))    return best def main():    levels = [(10000, 8000), (5000, 4000), (2500, 2000)]    print("金字塔切片数量：")    for l, total, w, h in patch_counts(levels, 512):        print(f"  level {l}: {total} patches")    tile_scores = [0.1, 0.9, 0.4, 0.7, 0.85, 0.2]    picked = sample_patches(tile_scores)    print("采样瓦片：", sorted(picked))    weights = attention_weights(tile_scores)    print("注意力最高的瓦片：", max(range(len(weights)), key=lambda i: weights[i]))    print("聚类代表瓦片：", sorted(cluster_attention(weights))) if __name__ == "__main__":    main()

1. levels = [(10000, 8000), (5000, 4000), (2500, 2000)]模拟 WSI 金字塔三层分辨率尺寸，每一层长宽依次减半。
2. total = math.ceil(w / patch_size) * math.ceil(h / patch_size)计算当前层需要切出的瓦片总数，对应金字塔切片公式。
3. if score > 0.7 or random.random() < rate高疑似分数必选，其余按概率随机采样，兼顾难例与随机性。
4. exp_scores = [math.exp(s) for s in scores]将原始分数转成指数权重，softmax 的前置步骤。
5. groups[i % k].append(i)用简单取模模拟特征聚类，把瓦片分到不同组。
6. max(groups, key=lambda g: sum(...))选出平均注意力最高的组，作为“聚类约束代表块”。

常见误区

面试题