3. 组织区域检测任务定义
在病理切片组织区域检测工程中，任务定义决定了后续数据标注、模型选型、损失函数设计与评价方式。同一个“检测组织区域”的说法，在不同项目里可能对应完全不同的输出形式：有的只需要把玻片上的组织与空白背景分开，有的要求区分肿瘤区、间质、坏死、淋巴组织等类型，还有的需要输出每个像素的类别标签。若任务定义含糊，标注结果与模型输出就会错位，评价指标也无法反映真实需求。因此，本节把组织区域检测拆成四类可操作的任务形态，并给出对应的评价指标与标注规范。
一、前景/背景分割：最基础的二值任务
前景/背景分割的目标是回答“哪些像素属于组织”。在数字病理全切片图像（WSI）中，背景通常指玻片上无组织的空白区域，可能包含轻微灰尘、气泡边缘或扫描伪影；前景则是实际含有细胞与细胞外基质的组织区域。该任务输出一张与输入同尺寸的二值掩膜，前景为1，背景为0。
这类任务常用于WSI预处理：先裁掉大量空白区域，减少后续分析的计算量。例如一张 100000×80000 像素的WSI，若组织仅占30%，则有效区域约为 2.4×109 像素，直接全图处理会浪费大量显存与时间。前景掩膜还可用于组织面积统计、切片质量筛查等。
实现上，常用颜色阈值法作为基线：将RGB转换到HSV或Lab空间，利用饱和度与亮度差异区分组织与背景。例如在HSV空间中，组织区域通常饱和度较高、亮度较低，可设阈值 S>0.15 且 V<0.9 作为前景候选，再经形态学闭运算填充小孔。但阈值法对染色差异、扫描仪白平衡敏感，因此实际工程中更常用轻量语义分割网络（如U-Net）输出概率图，再以0.5为阈值二值化。
二、组织类型分类：图像块级任务
组织类型分类不要求逐像素输出，而是把组织区域切成固定大小的图像块（patch），判断该块属于哪一类组织。常见类别包括：肿瘤上皮、正常上皮、间质、脂肪、坏死、淋巴组织、血管等。该任务输出是每个patch一个类别标签，属于图像分类范畴。
典型流程为：先由前景掩膜确定组织区域，再以步长等于patch边长（无重叠）或半边长（有重叠）切块。例如patch大小取 512×512 像素，在20倍扫描下约对应 256μm×256μm 的物理尺寸。每个patch送入CNN分类器，输出类别概率。若采用有重叠切块，最终可用投票或概率平均融合相邻patch结果。
该任务的关键在于类别定义必须互斥且完备。若一个patch同时包含肿瘤与间质，应规定“以占比超过50%的类别为准”，或单独设置“混合”类别。否则标注者之间一致性会显著下降。
三、多类别区域标注：像素级语义分割
多类别区域标注要求为每个像素分配一个类别标签，输出为单通道类别索引图或C通道概率图。与前景/背景分割相比，它把前景进一步细分为多个组织类型；与图像块分类相比，它保留了区域边界与空间分布。
该任务适合需要精确测量面积、边界或空间关系的场景，例如计算肿瘤区域占组织面积的比例、评估坏死区与肿瘤区的空间邻接关系。标注时通常使用多边形或自由绘制工具，在WSI上逐区域勾画。由于WSI分辨率极高，直接全图标注不现实，工程上常采用“先切块、再标注、后拼接”的方式：在20倍下切出 1024×1024 的patch，标注者在patch上勾画，最后将各patch的掩膜按坐标拼回全图。
多类别标注的难点在于类别边界模糊。例如肿瘤与间质的过渡区、坏死与存活肿瘤的交界，不同标注者可能给出不同边界。因此标注规范必须明确边界判定规则，如“以细胞密度突变处为界”“坏死区以细胞核消失、结构崩解为准”等。
四、评价指标：与任务形态严格对应
评价指标必须与任务输出形式匹配。对于前景/背景分割，常用Dice系数与IoU。设预测前景集合为P，真实前景集合为G，则：
Dice = 2|P∩G| / (|P| + |G|)
IoU = |P∩G| / |P∪G|例如某WSI前景分割中，|P∩G|=8.0×108，|P|=9.0×108，|G|=8.5×108，则Dice≈0.914，IoU≈0.842。若Dice低于0.85，通常说明背景误判较多或组织边缘缺失，需要检查阈值或后处理。
对于组织类型分类，使用Accuracy、F1-score与混淆矩阵。若类别不平衡（如坏死区远少于肿瘤区），Accuracy会被多数类主导，此时应重点看每类F1与AUC。例如肿瘤类F1=0.92、坏死类F1=0.61，说明坏死类识别不足，需增加坏死样本或调整类别权重。
对于多类别区域标注，使用mIoU与mDice，并逐类报告IoU。若肿瘤类IoU=0.85、间质类IoU=0.78、坏死类IoU=0.52，则坏死类是短板。此时应检查坏死区标注边界是否一致，或模型是否因坏死区纹理复杂而欠拟合。
五、标注规范：从定义到可执行
标注规范不是一句“请准确标注”，而应形成可执行、可检查的条款。以下是一份可直接参考的标注规范示例，适用于多类别区域标注任务：
| 字段 | 规范要求 | 示例/判定依据 |
|---|---|---|
| 类别集合 | 互斥且完备，共6类 | 肿瘤、正常上皮、间质、坏死、淋巴、脂肪 |
| 标注粒度 | 20倍下 1024×1024 patch，无重叠 | 对应物理尺寸约 512μm×512μm |
| 最小区域 | 面积小于 2000 px² 不单独标注 | 约 50μm×40μm，避免碎片化 |
| 边界规则 | 以细胞密度突变处为界，过渡带归入占比高的一类 | 肿瘤-间质交界，若间质占比>50%则归间质 |
| 坏死判定 | 细胞核消失、结构崩解、呈粉染无结构区 | 需与存活肿瘤的实性区区分 |
| 一致性 | 双人独立标注，IoU<0.75 的patch进入仲裁 | 仲裁由高年资病理医师完成 |
| 复核 | 随机抽取10% patch复核，错误率>5%则返工 | 错误包括类别错标、边界明显偏移 |
该规范可直接用于标注培训与质量检查。实际执行时，建议先用20～30个patch做预标注，计算标注者间IoU，若低于0.75则先统一边界判定规则，再进入正式标注。否则后期返工成本远高于前期对齐成本。
综上，组织区域检测的任务定义应明确回答四个问题：输出是二值掩膜、patch标签还是像素类别图；类别集合是否互斥完备；评价指标是否与输出形式匹配；标注规范是否可执行、可检查。把这四点固定下来，后续的模型训练与工程部署才有稳定的基准。