whole slide images | BriefGPT

关键词whole slide images

搜索结果 - 76

M4: 多代理多门专家混合网络在组织病理学图像分析中的多实例学习
多实例学习在计算病理学中成功应用于全扫描图像分析，提供了从肿瘤亚型到推断基因突变和多疗组学生物标志物等多种预测任务的方法。这篇论文提出了一种新的多实例学习框架 M4，用于从全扫描图像中同时预测多个基因突变。该模型在五个测试的 TCGA 数据
PDF3 days ago
URCDM：组织病理学中的超高分辨率图像合成
使用超高分辨率级联扩散模型（Ultra-Resolution Cascaded Diffusion Models，URCDMs）从组织病理学数据中诊断医学状况，能够在高分辨率下合成整个组织病理学图像，同时真实地捕捉到各个放大倍率水平下底层解
PDF9 days ago
DSCENet：MPNs 亚型分类的动态筛选和临床增强的多模态融合
我们提出了一种全面诊断慢性增生性肿瘤（myeloproliferative neoplasms）的方法，利用多模态融合技术基于全切片图像（whole slide images）和临床信息的动态筛查和临床增强网络（Dynamic Screen
PDF16 days ago
利用图像标题进行选择性整体切片图像标注
本文研究了通过原型抽样方法选择注释区域，为整个切片图像（WSIs）基于深度学习的任务提供最优模型训练。通过从大规模组织病理图像数据库中识别类别原型并检测与这些原型相似的无标签图像区域，本方法比随机抽样和多样性抽样更有效，可以识别具有有价值训
PDF19 days ago
PathAlign: 一种适用于组织病理学全切片图像的视觉 - 语言模型
基于 BLIP-2 框架，使用病理报告中的精选文本与整张切片图像配对，开发了一种视觉语言模型，实现了共享的图像 - 文本嵌入空间，如文本或图像检索以寻找感兴趣的案例，以及将 WSI 编码器与冻结的大型语言模型（LLM）集成，以实现基于 WS
PDFa month ago
ADR: 多实例学习中的注意力分散正则化方法对抗过拟合，用于整张切片图像分类
提出了一种名为 Attention Diversity Regularization (ADR) 的简单有效的技术，通过在正规多实例学习框架中引入负熵损失来提高注意力值的熵，从而促进高熵，证明了其在多个 WSI 分类任务中优于现有方法的性能
PDFa month ago
组织病理学中的图神经网络：新兴趋势和未来方向
综述了整个切片图像（WSIs）中图神经网络（GNNs）的应用，讨论了它们在组织病理学中的应用，并探讨了未来发展趋势。通过对四个新兴趋势的深入探索，提供了关于 GNNs 在组织病理学分析中发展的见解，并提出了未来的研究方向。该分析旨在通过图神
PDFa month ago
MoME：混合多模态专家用于癌症生存预测
利用 Whole Slide Images 和基因组数据进行综合决策的生存分析面临着两个主要挑战：显著的异质性和两种模态之间的复杂相互作用。为解决这些问题，本文提出了一种偏向逐步编码的方法，通过多次迭代逐步减少跨模态差异并促进互补交互；此外
PDFa month ago
内存高效稀疏金字塔注意力网络用于全尺寸图像分析
提出了一种名为 Memory-Efficient Sparse Pyramid Attention Networks with Shifted Windows (SPAN) 的方法，通过引入稀疏金字塔注意力架构和移动窗口的机制来处理具有庞大
PDFa month ago
Hibou：病理学基础视觉变换器家族
通过数百万激光制片和荧光制片图像进行预训练，本论文介绍了基于 DINOv2 框架的 Hibou 视觉转换器系列，展示了在补丁级别和幻灯片级别基准测试中优于现有方法的卓越性能。
PDF2 months ago
结合图神经网络与 Mamba 捕捉全幅图像中的局部和全局组织空间关系
通过使用消息传递图神经网络（GNN）和状态空间模型（Mamba）结合来捕捉病理切片中切片之间的局部和全局空间关系，本研究旨在预测早期肺腺癌患者（LUAD）的无进展生存率，模型在预测上表现出很好的效果，并与其他最新研究方法进行了比较。
PDF2 months ago
通过生物医学 - 语言知识增强的多标签分类预测基因突变从全切片图像中
从全幻灯图像中预测基因突变对于癌症诊断至关重要。本研究设计了一种生物知识增强的 PathGenomic 多标签 Transformer，通过构建基因优先级和基因突变预测模块，提高了预测性能，实验证明该方法优于现有最先进技术。
PDF2 months ago
利用组织病理学特征提取器进行全片幅图像生存分析
利用全幅图像中的丰富信息，基于多实例学习的特征聚合技术可以利用预训练的 ResNet 主干提高准确率，为数字病理学中更强大的预后工具铺平了道路。
PDF2 months ago
基于部分标签比例的全切片图像分割的学习
本文通过利用不完全的标签比例解决了整个切片图像中肿瘤亚型的分割问题，提出了一个高效的算法将其分解为两个弱监督学习子问题：多实例学习和从标签比例中学习，从而有效地进行优化。该算法在两个整个切片图像数据集上经过实验证明了其有效性。
PDF2 months 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
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
PDF3 months ago
多染色整切片图像基于细胞核位置的点集配准
本文以基于核定位的点集注册方法为基础，针对多染色 WSIs 进行局部非刚性注册，以实现核级别的分组分析和蛋白质标记的上下文分析，通过对 HYRECO 数据集进行评估并与其他已建立的注册算法进行比较，表明该方法在核级别的注册上具有优越性。
PDF3 months ago
深度组织加强的全幻灯片图像注册框架
DeeperHistReg 是一个软件框架，专门用于注册使用多个染料获取的全幅切片图像 (WSIs)，它允许进行预处理、初始对齐和非刚性注册，支持多种先进的注册算法，并提供操作任意分辨率的 WSIs 界面，可扩展性强，还可通过其他研究人员轻
PDF3 months ago
RegWSI: 使用深度特征和基于强度的方法的全切片图像配准：ACROBAT 2023 挑战赛获胜者
我们提出了一个两步骤混合方法，包括深度学习和特征提取的初始对齐算法以及基于强度的非刚性配准。该方法不需要对特定数据集进行微调，可直接用于任何所需的组织类型和染色剂。该方法在 ACROBAT 数据集上获得了最准确的结果，在 HyReCo 数据
PDF3 months ago
预处理的重要性：一种用于 WSI 分类的片段搜索方法
经过预处理，全幻灯片图像对分类性能有影响，我们的研究通过分析单领域和多领域数据集上预处理参数对推断和训练的影响，并提出了一种新的基于相似性的模拟退火方法来快速调整参数以提高单领域数据的推断性能，从而在该领域的准确性从 0.512 提高到 0
PDF3 months ago