whole

general · 首次出现 2026-05-30 · 最近出现 2026-11-20 · 累计提及 173

综述

Whole(全切片,Whole Slide Image,WSI)在 AI 领域主要指病理学中的全切片图像——即对整张玻璃病理切片进行高分辨率扫描得到的超大尺寸数字图像,是计算病理学的核心数据形态。由于一张 WSI 动辄达到数万乘数万像素,传统深度学习模型无法直接处理,如何高效检索、分析 whole slide 图像成为近年医学 AI 的热点方向。

Whole Slide 图像检索的近期进展

  • CLEAR-WSI:面向病理全切片图像检索的诊断驱动新框架:该工作提出以诊断信息驱动的检索框架,让模型在 huge 的 whole slide 图像库中找到与目标病例诊断相关的相似切片,面向实际病理辅助诊断场景。
  • Robust Well-Log Reconstruction Across Point Gaps and Whole Wells:虽然不是病理场景,这篇 arXiv 论文把 "whole well"(全井)数据作为处理单元,提出边界门控软阈值卡尔曼融合方法,在测井数据缺失点上完成整井级别的重建,体现了 AI 处理 "全量长序列数据" 的类似思路。
  • 论文提出以家庭本地服务器为核心的生成式 AI 智能家居架构框架:该框架与 whole home(全屋智能)概念相关,主张把生成式 AI 部署在家庭本地服务器上,实现覆盖全屋设备的统一智能控制,兼顾隐私与响应速度。
  • 当前焦点与观察点

    Whole slide 图像分析的技术难点集中在三个层面:一是数据规模,单张切片的像素量远超常规视觉模型输入;二是标注稀缺,病理标注依赖专家且粒度不统一;三是可解释性要求,诊断结论需要可追溯到具体区域。CLEAR-WSI 等检索导向框架提供了一种替代端到端分类的路径——通过检索相似病例辅助医生判断,而非直接给出黑盒预测。

    值得注意的是,"whole" 作为前缀正在从病理学(whole slide)扩展到其他领域,如地球科学中的 whole well 数据处理和智能家居中的 whole home 架构设计,反映出 AI 研究的一个共同趋势:从局部片段处理转向全量、整体级别的建模。对计算病理学而言,下一步的观察点是检索框架能否在多中心数据上验证其泛化能力,以及是否会出现结合基础模型与 whole slide 级别推理的统一方案。

    相关报道

    10 条在档