histopathology | BriefGPT - AI 论文速递

关键词histopathology

搜索结果 - 77

利用预训练模型进行 FF 到 FFPE 组织病理图像翻译
使用预训练扩散模型的 Diffusion-FFPE 方法，能够将 FF 图像转化为 FFPE 样式，从而改善用于诊断目的的图像质量。
PDF8 days ago
基于人工智能的临床级组织病理学异常检测
通过提出一种深度异常检测方法，以仅需常见疾病的训练数据为基础，可可靠地检测出胃肠活检中异常病理变化的广泛谱系，包括罕见的原发性或转移性癌症，从而在临床病理学中实现了基于人工智能的异常检测的首个有效临床应用，有效地提高了 AI 模型的安全性，
PDF13 days ago
组织病理学中的安全数据共享图像提炼
通过使用深度学习技术和数据集蒸馏方法，我们构建了一个小型合成数据集，其中包含最具信息量的人可读的合成图像，用于进行下游分类模型训练，并获得适用于实际应用的性能表现。
PDF15 days ago
通过显式伪像增强提高全尺寸图像质量控制
本研究提出了一种方法，通过外部库生成和混合艺术品，从而增强给定的组织病理学数据集，以训练艺术品分类方法，从而解决了整个幻灯片图像获取中的伪影问题。
PDF17 days ago
CPLIP: 全面的视觉 - 语言对齐下的组织病理学零样本学习
该研究提出了一种名为综合病理语言图像预训练（CPLIP）的无监督技术，用于增强组织病理学中图像和文本的对齐，以进行分类和分割等任务。CPLIP 通过利用大量数据而不需要地面真实注释，来丰富视觉 - 语言模型。通过构建特定于病理学的词典、使用
PDFa month ago
xMIL: 在组织病理学中的多实例学习中的有见地解释
通过引入解释性人工智能（XAI）的方法并使用层内相关传播（LRP）技术，我们重新审视了多实例学习（MIL），并提出了一种更具一般性假设的改进框架 xMIL。通过在三个模拟设置和四个真实组织病理学数据集上进行大量评估实验，我们展示了如何获得改
PDFa month ago
基于层次图像金字塔变换器的结肠活检和肠息肉组织病理图像分类基准评估
在高分辨率组织病理学全幻灯片图像中，使用高质量的像素级标注训练神经网络是昂贵的。然而，最近自监督学习的进展表明，可以学习到高度描述性的图像表示，而无需标注。我们研究了最近的分层图像金字塔变换器（HIPT）模型在结直肠活检和息肉分类等特定任务
PDFa month ago
深模糊多模型（DeepBlurMM）-- 在组织病理学图像分析中减轻图像模糊对深度学习模型性能的影响的策略
通过 DeepBlurMM 多模型方法，通过识别 WSIs 中不同程度的模糊区域，提高了深度卷积神经网络分类性能。在乳腺癌 Nottingham 组织学分级 1 和 3 的二分类任务中，DeepBlurMM 模型在中度模糊和混合模糊条件下表
PDF2 months ago
MM探索可解释人工智能技术以提高肺癌和结肠癌分类的可解释性
利用深度学习方法对肺癌和结肠癌进行组织学图像分类，取得了 97% 至 99% 的准确率，并通过注意力可视化技术提高了恶性和良性图像分类的解释性和理解。
PDF2 months ago
掩码注意力：提高视觉 Transformer 可解释性的机制
通过在注意机制中使用背景遮罩的新方法，视觉 Transformers 在计算病理学中的背景抑制中取得了可比的性能，提供了更准确和临床意义的注意热图。
PDF2 months ago
简化数字病理图像处理的 SPLICE 方法
数字病理学和人工智能模型的整合已经改变了组织病理学，为全面扫描图像（WSIs）的处理和分析提供了新机遇。本文提出了一种无监督补丁算法 SPLICE，通过顺序分析 WSIs 并选择非冗余特征，将 WSIs 压缩为紧凑的代表性补丁集，从而提高了
PDF2 months ago
F2FLDM：基于组织病理学预训练嵌入的潜在扩散模型，用于非配对冷冻切片向 FFPE 转换
我们引入了一种新方法，结合了潜在扩散模型和组织病理预训练嵌入，以增强冰冻切片图像的恢复。通过扩散和去噪技术，我们的方法不仅保留了颜色染色和组织形态等关键诊断特征，还提出了一种嵌入转换机制来更好地预测目标组织病理切片的表示。结果表明，该方法显
PDF2 months ago
基于对比的深度嵌入对抗病理图像标签噪声鲁棒性分类
深度学习在医学图像分类方面取得了显著的进展，然而在组织病理学图像分类中，噪声标签表示了一个关键挑战，导致深度学习模型性能严重下降。本研究通过对多个数据集进行彻底的经验分析，展示了基于自监督对比训练方式训练的基础模型所提取出的嵌入向量对标签噪
PDF3 months ago
WEEP：一种计算机病理学中弱监督卷积神经网络模型的空间解释方法
利用深度学习对高分辨率组织病理学全幻灯片图像进行建模，提出一种适用于模型解读的方法，Wsi rEgion sElection aPproach (WEEP)，该方法能够准确确定用于预测特定标签所需的 WSI 空间范围，并且在乳腺癌计算病理学
PDF3 months ago
基于提示的自适应模型转换用于大规模图像分类
多实例学习（MIL）作为一种流行的方法正在用于对组织病理学全幅切片图像进行分类。作者提出了 PAMT，这是一种新颖的基于提示的自适应模型转换框架，通过无缝地将预训练模型适应组织病理学数据的特点来提高 MIL 分类性能。作者引入了代表性补丁采
PDF3 months ago
为计算病理学系统配备工件处理管线：计算和性能权衡的展示
提出一种混合专家方案，用于从全玻片图像中检测五个显著的伪迹，其中包括受损组织、模糊、折叠组织、气泡和组织学上无关的血液，以提高计算病理学系统的可靠自动化诊断。
PDF4 months ago
使用血红素和伊红素全切片图像的多实例学习用于胶质瘤诊断：一个印度队列研究
该研究使用多个特征提取器和聚合器，通过对脑瘤组织病理学进行多实例学习实验，为精确诊断和个体化治疗策略提供了更新的性能基准，包括在印度人群中的新数据集 (IPD-Brain) 。利用经过组织病理学数据预训练的 ResNet-50 进行特征提取
PDF4 months ago
BreastRegNet: 乳房 Faxitron 和组织病理图像的深度学习注册框架
通过深度学习方法进行图像配准，该方法在集成放射学和病理学信息方面具有更好的性能，从而便于生成大规模数据集，以训练更准确的乳腺癌检测模型。
PDF6 months ago
关于组织病理学图像搜索
通过相似性计算，利用病理组织学的病理图像可以在研究和临床环境中进行病人之间的匹配，最近的搜索技术进展为细胞结构的定量化提供了可能，可实现不同组织类型的比较，从而对诊断、预后和新患者的预测提供推论，本文综述了用于计算病理学研究中高效、快速和有
PDF6 months ago
RudolfV: 病理学家为病理学家打造的基础模型
通过半自动化数据整理和引入病理学领域知识，我们扩展了数字病理学全幻灯片图像的基础模型的最新技术。我们的模型在公共和内部基准测试中表现良好，尽管使用的幻灯片数量比竞争模型少一个数量级。我们预计在更多数据和更大的模型规模下，我们的方法将进一步提
PDF6 months ago