TCGA-NSCLC

新的CGRL框架改进了病理学中的全切片图像分类

研究人员开发了一个名为CGRL的新框架，用于计算病理学中的全切片图像分类。该方法使用从疾病提示派生的类别级概念原型来指导非信息性图像块的剪枝并增强表示学习。通过根据图像块与概念的相似性进行排名并优化表示学习目标，CGRL旨在提高准确性并降低计算成本。在TCGA-BRCA和TCGA-NSCLC数据集上的评估表明，CGRL可以提高各种多实例学习方法的性能。