AI利用新发异常检测技术检测临床前组织病理学中的毒性

研究人员开发了一个AI框架，利用全切片图像检测临床前组织病理学中的毒性。该系统可以识别健康组织、已知病理，并标记出具有新发异常的样本。通过使用低秩自适应微调Vision Transformer并采用马氏距离进行异常检测，该方法旨在提高药物开发中毒性评估的效率和规模。 AI

影响 通过自动化组织病理学毒性评估，可能加速临床前药物开发。

排序理由 研究论文，详细介绍了用于组织病理学毒性评估的新型AI方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• arXiv
• Class-Aware Mahalanobis Distance
• DINOv2
• Histopathology
• Lora
• Low Rank Adaptation
• Mahalanobis distance
• Olga Grafová
• rodent liver
• vision transformer

• 论文
• 模型发布
• 产品

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →