PulseAugur
实时 05:52:50
English(EN) Validation of Whole-Slide Foundation Models for Image Retrieval in TCGA Data

基础模型在癌症数据全切片图像检索方面显示出适度收益

一项新研究发表在arXiv上,评估了癌症病理数据中十种不同的全切片图像检索流程。研究发现,尽管TITAN基础模型表现最佳,但其与基于块和监督方法相比的优势微乎其微。性能因器官和诊断而异,具有挑战性的亚型准确率较低,这表明基于形态学的检索在临床部署方面存在局限性。 AI

影响 强调了当前基于形态学的癌症诊断AI的局限性,表明临床部署需要多模态方法。

排序理由 学术论文,在医学背景下评估基础模型在图像检索方面的应用。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

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

基础模型在癌症数据全切片图像检索方面显示出适度收益

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Tianhao Lei, Parsa Esmaeilkhani, Saghir Alfasly, Wataru Uegami, Judy C. Boughey, Matthew P. Goetz, Krishna R. Kalari, H. R. Tizhoosh ·

    用于TCGA数据中图像检索的全切片基础模型的验证

    arXiv:2605.00902v1 Announce Type: new Abstract: Foundation models are reshaping computational histopathology, yet their value for whole-slide image retrieval relative to strong patch-based and supervised aggregation baselines remains unclear. We benchmarked ten pipelines on 9,387…