新框架利用AI模型改进白血病细胞分类

研究人员开发了一个新的白血病细胞分类框架，该框架采用了一个利用预训练视觉基础模型的两阶段流程。第一阶段使用超过122,000张图像对白血病和非白血病进行二元分类，第二阶段使用近70,000张图像对阳性病例有条件地分类为急性淋巴细胞白血病（ALL）和急性髓系白血病（AML）。该研究对DinoBloom、BiomedCLIP和CLIP三个编码器进行了基准测试，通过线性探测、低秩自适应（LoRA）和检索增强分类（RAC）模块评估它们的性能，以评估领域特定预训练和具有成本效益的适应方法对不同显微镜数据集泛化能力的影响。 AI

影响 这项研究可能为临床环境中白血病检测提供更准确、更鲁棒的AI驱动诊断工具。

排序理由 该集群包含一篇详细介绍特定分类任务新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• acute lymphocytic leukemia
• acute myeloid leukemia
• BiomedCLIP
• DinoBloom
• leukemia
• Low Rank Adaptation
• Retrieval-Augmented Classification

• 论文
• 模型发布
• 其他

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