AtNorM-MD

基础模型在癌症研究中分类非典型有丝分裂方面显示出潜力

研究人员对深度学习和视觉基础模型进行了分类非典型与正常有丝分裂的基准测试，这是肿瘤恶性程度的关键指标。该研究评估了端到端训练的模型、线性探测和使用 LoRA 进行微调，涵盖了多个数据集，包括新引入的数据集。结果显示，在域内数据上的平均平衡准确率高达 0.81，在域外数据上的平均平衡准确率高达 0.77，证明了迁移学习技术在这一具有挑战性的分类任务中的有效性。