Virchow2
PulseAugur coverage of Virchow2 — every cluster mentioning Virchow2 across labs, papers, and developer communities, ranked by signal.
4 天有情绪数据
-
新框架ADMIL大幅削减病理AI推理成本
研究人员开发了ADMIL，一种用于优化病理学基础模型推理过程的新型框架。ADMIL使用一个轻量级的切片选择模型PriorNet来蒸馏更复杂教师模型的注意力分布。这使得ADMIL能够选择一小部分信息丰富的切片供昂贵的基础模型处理，从而在保持切片级预测准确性的同时显著降低计算成本。该框架已在多个病理学数据集上证明了其能够以最少的切片嵌入和FLOPs匹配完全教师性能的能力，为临床应用提供了更有效的解决方案。
-
DistillPath-KS16：高效病理编码器参数更少，性能比肩大型模型
研究人员开发了DistillPath-KS16，一种新的病理切片编码器，在显著减少参数数量的同时保持了高性能。该模型从一个22M参数的编码器开始，从更大的基础模型（86M至1.1B参数）中蒸馏知识，在EVA、HEST和PLISM等基准测试中取得了有竞争力的结果。DistillPath-KS16提供了显著的速度优势，运行速度比Virchow2等大型模型快25倍以上，使其成为处理病理图像的更具成本效益的解决方案。
-
新的AI方法增强了全切片图像病理报告的分析
研究人员开发了分析病理学中全切片图像（WSIs）的新方法。一种方法将WSI报告生成分解为不同的阶段，使用图约束多实例学习（MIL）来汇总诊断问题，并使用语言模型形成连贯的报告。该方法在外部数据集上显著提高了报告生成分数和器官识别准确性。另一种方法，测试时实例选择（TTIS），提供了一个无需训练的框架，在推理过程中从WSI中选择信息量最大的图像块，从而减少冗余并提高分析鲁棒性，而无需重新训练现有的MIL模型。
-
LitePath框架提供高效、低成本的计算病理学分析
研究人员开发了LitePath，一个旨在使计算病理学模型更高效、更易于部署的新框架。LitePath使用了一个名为LiteFM的蒸馏模型，它比Virchow2等现有模型小得多，需要的计算资源也更少。该框架能够对全切片图像进行更快、更节能的分析，即使在NVIDIA Jetson Orin Nano Super等可访问的硬件上也能实现。在众多队列和任务上的评估表明，LitePath在大幅减少处理时间和能源消耗的同时，保持了高诊断准确性，甚…
-
病理学基础模型在有丝分裂计数检测方面展现潜力
研究人员探索了病理学基础模型（FMs）作为有丝分裂计数检测编码器的有效性，将其应用从通常的分类任务扩展开来。该研究将几种基础模型，包括H-optimus-0和Virchow模型，与ResNet50基线进行了比较，并将它们集成到不同的检测架构中，如RetinaNet、Faster R-CNN和Deformable DETR。结果表明，H-optimus-0和Virchow模型表现出具有竞争力的性能，这表明通过图像级自监督训练的基础模型潜…
-
新框架为边缘部署创建高效的病理模型
研究人员开发了一种名为 MuCoDi 的新预训练框架，用于创建更小、更高效的病理基础模型 (PFM)，适用于边缘部署。该方法使用对比蒸馏目标，将知识从多个大型 PFM 蒸馏到轻量级学生模型（如 MobileOne 和 RepViT）中。生成的 MuCoEdge 模型显著减小了模型尺寸和推理成本，在各种下游分类任务上取得了接近其大型对应模型的性能，并在 Raspberry Pi 5 等设备上展示了实际可用性。
-
新框架评估基础模型对生物学的理解
研究人员开发了一个新框架，用于评估病理基础模型从组织病理学数据中学习到的内容。该方法利用空间转录组学来评估注意力图谱的生物学一致性，超越了定性评估。研究发现，不同的模型关注不同的生物学区域，并且注意力捕捉的是更广泛的转录程序，而不是特定的分子事件。
-
临床验证基础模型增强肺部病理学解读
研究人员开发了PulmoFoundation，一个用于全面肺部病理学解读的临床验证基础模型。该模型基于Virchow2构建，并在约40,000张诊断全切片图像上进行训练，在32项任务的26,000多张WSI上进行了评估。在一项涉及1,357名患者的前瞻性研究中，PulmoFoundation的平均AUC达到92.3%，并显示出减少二次复核需求和推迟IHC染色订单的巨大潜力。一项包含八名病理学家的随机对照试验表明，PulmoFounda…
-
基础模型赋能溃疡性结肠炎弱监督南希指数评分
研究人员开发了一种用于溃疡性结肠炎活动自动评分的弱监督多示例学习方法，该方法利用基础模型。该方法利用病例和切片级别的标签来预测五级南希组织学指数，解决了手动评分耗时且不一致的问题。该研究在多中心数据集上评估了各种基础模型，发现Virchow2表现良好，并且集成模型提高了预测准确性。