研究人员开发了 DaX，一种新的计算病理学基础模型，它将来自自然图像的自监督学习技术应用于全切片组织病理学。DaX 旨在创建稳健的视觉表征，这些表征可以跨越各种临床终点进行迁移，并能承受放大倍率、染色和扫描的差异。该模型在一个新建立的基准上表现出色，该基准包含 44 个数据集的 161 项任务，在诊断病理学和预后预测方面显示出显著的改进。 AI
影响 为计算病理学建立了一个新的基准和基础模型，有可能加速研究和诊断能力。
排序理由 该集群描述了一篇详细介绍新型计算病理学基础模型的新研究论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.06983v1 Announce Type: cross Abstract: Computational pathology requires visual representations that transfer across diverse clinical endpoints and remain robust to variation in magnification, staining, scanner type, slide preparation, and input resolution. We present D…
Computational pathology requires visual representations that transfer across diverse clinical endpoints and remain robust to variation in magnification, staining, scanner type, slide preparation, and input resolution. We present DaX, a pathology vision foundation model that adapt…