Whole slide images for primary diagnostics in dermatopathology: a feasibility study.
PulseAugur coverage of Whole slide images for primary diagnostics in dermatopathology: a feasibility study. — every cluster mentioning Whole slide images for primary diagnostics in dermatopathology: a feasibility study. across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新框架整合病理图像和转录组学数据用于癌症生存预测
研究人员开发了一个名为 AM$^2$ES 的新框架，通过整合组织病理学全切片图像（WSIs）和转录组学数据来预测癌症生存率。该框架通过显式对齐多模态特征并自适应地优先考虑相关的组织尺度，解决了现有方法的局限性。AM$^2$ES 利用 Anchor-driven Multi-modal Fusion 模块进行语义对齐，并利用 Hierarchical Mixture-of-Experts 模块进行判别性区域识别和信息分辨率级别选择。在 …
-
新方法利用多模态知识蒸馏改进胃癌分类
研究人员开发了一种新的多模态知识蒸馏框架，用于改进全切片图像的胃腺癌分类。该方法使用低秩多模态融合高效地结合图像和文本数据，避免了计算成本高昂的Transformer架构和大语言模型的需要。该框架在一个融合的图像-文本表示上训练一个教师模型，然后将该知识蒸馏到一个仅用于图像推理的学生模型中。在PatchGastric数据集上的评估表明，与现有的最先进方法相比，准确率显著提高了至少3.35%。
-
新流水线简化病理学全切片图像嵌入提取
研究人员开发了一种从计算病理学中使用的大规模全切片图像（WSIs）中提取嵌入的新流水线。该系统将工作流程分解为块生成、嵌入推理和向量数据库摄取，将数据移动与计算分离。这种方法允许高效的块传输和可扩展的多节点推理，为检索和分类等任务创建可重用的表示数据库，尤其是在资源受限的环境中。研究强调，存储在大规模下成为瓶颈，将WSI嵌入提取重新定义为一个以数据为中心的系统问题。
-
PathSelect框架为视觉-语言模型实现高效的WSI处理
研究人员开发了PathSelect，一个用于高效处理包含数吉像素的整个切片图像（WSIs）与视觉-语言模型的新型框架。该方法将标记剪枝重新构建为序列选择过程，使模型能够自主学习最优路由策略，而不是依赖于静态启发式方法。PathSelect作为主动插件集成到SlideChat基础模型中，冻结幻灯片编码器和大型语言模型，同时引入可微分的Soft Top-K算子和对角线注意力去噪器来管理训练过程中的梯度。在推理时，PathSelect被分离…
-
AI模型从病理学家注意力中学习，实现高效的组织病理学分析
研究人员开发了两种分析组织病理图像的新方法，旨在提高医学诊断的效率和准确性。第一种方法SASHA利用深度强化学习和注意力机制，智能地对大型全切片图像的关键区域进行采样和放大，以计算成本的一小部分实现了与全分辨率分析相当的诊断准确性。第二种方法将病理学家的视觉注意力整合到前列腺组织病理报告生成模型中，使用了视口轨迹和口头描述的多模态数据集。这种注意力对齐损失使模型的注意力与人类焦点保持一致，从而在自然语言处理指标以及报告生成和视觉问答的…
-
新AI框架利用语义锚定改进癌症预后分析
研究人员开发了一个名为语义锚定证据融合生存（SAEFS）的新框架，以提高癌症预后全切片图像分析的准确性和可靠性。SAEFS利用视觉问答（VQA）从图像中提取语义锚定，这些锚定比传统的像素衍生表示对染色和硬件的变化更具鲁棒性。通过使用一种谨慎的建模不确定性的方法将这些语义特征与视觉证据融合，SAEFS在未见过的领域上评估时，平均C指数提高了10.2%，优于现有的最先进模型。
-
胃癌AI模型GRACE提升病理学家准确性
研究人员开发了GRACE，一个专门用于胃癌病理的AI基础模型，该模型在包含超过48,000张全切片图像的大型数据集上进行了训练。在包括癌前病变识别和分子分型在内的各项诊断任务中，该模型表现优于通用的病理基础模型。在一项读者研究中，GRACE显著提高了病理学家的诊断准确性，缩短了分析时间，并增强了评分者间的一致性，显示出其在真实世界临床决策支持方面的巨大潜力。
-
AI先验提升结直肠癌跨位点MSI预测能力
研究人员开发了一种方法，用于提高基础模型从全切片图像预测结直肠癌微卫星不稳定（MSI）状态的泛化能力。通过引入生物学驱动的空间先验，特别是外周距离编码和局部免疫邻域编码，模型对特定位点的成像模式的依赖性降低。外周距离编码方法在一个外部数据集上显示出0.959的高MSI AUC和完美的MSS特异性，表明它捕捉到了更具不变性的生物信号。