SSMamba

SSMamba模型通过混合自监督学习增强病理图像分类

研究人员开发了SSMamba，这是一种新颖的、用于病理图像分类的自监督混合状态空间模型。该框架解决了当前模型存在的局限性，例如不同放大倍数下的域偏移、局部-全局关系建模不足以及细粒度敏感性不足。SSMamba集成了Mamba掩码图像建模、方向多尺度模块和局部感知残差模块，可在无需大量外部数据集的情况下改进特征学习。与十个公共ROI数据集上的十一个最先进的病理基础模型以及六个公共WSI数据集上的八种方法相比，该模型表现出卓越的性能。