PulseAugur
中
实时 20:35:19
English(EN) GigaPath-Flash cuts pathology AI compute 50x, keeps 97% accuracy GigaPath-Flash and GigaTIME-Flash shrink billion-parameter pathology models to run on 50x less

新型病理AI模型GigaPath-Flash和GigaTIME-Flash降低了计算需求

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了GigaPath-Flash和GigaTIME-Flash，这是专为计算病理学中高效分析设计的新型基础模型。这些模型显著降低了计算需求，其中GigaPath-Flash在计算量减少50倍的情况下，达到了其更大前身模型97%的性能。GigaTIME-Flash在预测肿瘤微环境方面也提供了更快的速度和更少的内存使用。这些模型以开放权重和Apache-2.0许可证发布，旨在使先进的病理AI更容易用于研究和临床应用。 AI

影响 这些模型旨在通过显著降低计算成本并提供开放访问来普及先进的病理AI，从而可能加速研究和临床应用。

排序理由 研究论文发布了具有性能基准和开源权重的新型基础模型。

在 Mastodon — sigmoid.social 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

新型病理AI模型GigaPath-Flash和GigaTIME-Flash降低了计算需求

报道来源 [2]

  1. arXiv cs.AI TIER_1 English(EN) · Naoto Usuyama, Jeya Maria Jose Valanarasu, Sicong Yao, Hanwen Xu, Jaspreet Bagga, Guanghui Qin, Robert E. Kramer, Cliff Wong, Soohee Lee, Hao Qiu, Theodore Zhengde Zhao, Racheli Ben Shimol, Angela Crabtree, Kevin Matlock, Eduardo Alejandro Lozano Garcia,… ·

    GigaPath-Flash 和 GigaTIME-Flash：用于全切片和肿瘤微环境分析的高效病理基础模型

    arXiv:2607.18218v1 Announce Type: cross Abstract: Foundation models have emerged as a driving force in computational pathology, with the potential to transform cancer diagnosis, prognosis, and treatment selection by learning transferable representations from large-scale histopath…

  2. Mastodon — sigmoid.social TIER_1 English(EN) · [email protected] ·

    GigaPath-Flash cuts pathology AI compute 50x, keeps 97% accuracy GigaPath-Flash and GigaTIME-Flash shrink billion-parameter pathology models to run on 50x less

    GigaPath-Flash cuts pathology AI compute 50x, keeps 97% accuracy GigaPath-Flash and GigaTIME-Flash shrink billion-parameter pathology models to run on 50x less compute while predicting tumor profiles from routine slides. https://www. notatechguy.com/gigapath-flash -cuts-pathology…

    链接 notatechguy.com/gigapath-flash-cuts-patho…

相关实体

相关话题