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
-
新流水线简化了计算病理学中WSI嵌入的提取
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（WSI）中提取嵌入的新流水线。该系统将该过程分为三个阶段：块生成、嵌入推理和向量数据库摄取。这种方法通过将数据移动与计算分离来提高效率，支持可扩展的多节点推理，并为检索和分类等任务创建可重用的表示数据库，这在资源受限的环境中尤其有益。研究强调，存储容量在大规模应用中成为瓶颈，将WSI嵌入提取重新定义为以数据为中心的系统挑战。
-
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。