whole slide images | BriefGPT

关键词whole slide images

搜索结果 - 72

StainFuser：在多亿像素组织学图像中控制扩散以加速神经风格转移
通过采用基于条件潜在扩散的新型架构，以样式转移任务的方式处理了镜像污染问题，并建立了迄今为止最大的超过 200 万组织学图像数据集 SPI-2M，并使用神经样式转移进行高质量转换，从而在归一化图像的质量方面胜过了现有的 GAN 和手工方法。
PDF4 months ago
PathM3: 一个用于全幻灯片图像分类和字幕生成的多模式多任务多实例学习框架
通过多模态多任务多实例学习的 PathM3 框架，有效地将组织切片图像与诊断说明对齐，从而在组织病理学图像分类和生成诊断说明任务上提高了分类准确性和生成效果。
PDF4 months ago
MambaMIL: 在计算病理学中通过序列重新排序来增强长序列建模
通过在多实例学习（MIL）中引入选择性扫描空间状态顺序模型（Mamba），提出了具有线性复杂度的长序列建模的 MambaMIL。通过继承香草 Mamba 的能力，MambaMIL 能够全面理解和感知实例的长序列，并借助序列重新排序的 Mam
PDF4 months ago
MamMIL：基于状态空间模型的整片切片图像多实例学习
通过将 Transformer 与多实例学习（MIL）框架结合使用整张切片图像（WSIs），我们提出了一种 MamMIL 框架，首次将选择性结构状态空间模型（即 Mamba）与 MIL 结合起来，实现了对实例依赖性的建模并保持了线性复杂性。
PDF4 months ago
整片切片图像的肿瘤分割：训练还是提示？
肿瘤分割是肿瘤诊断中的关键任务，本文研究了在组织学中应用全幻灯片图像进行肿瘤分割的深度学习方法，同时利用视觉提示的新范式在三个不同的器官中展示了与传统方法相比相当甚至更好的性能。
PDF4 months ago
HistoSegCap: 针对全切片图像中组织类型进行弱监督语义分割的胶囊
本文提出了一种利用胶囊网络进行基于弱监督语义分割 (WSSS) 的新型组织病理学图像分析方法，并使用数字病理学图谱 (ADP) 数据集对其进行评估。实验结果表明，该模型在准确性和平均交并联度 (mIoU) 指标方面优于传统方法，凸显了胶囊网
PDF5 months ago
TIAViz：计算病理学模型的基于浏览器的可视化工具
数字病理学在现代医疗系统中得到了显著的推广，通过光学显微镜向数字图像的转变带来了改进诊断、提高效率以及将人工智能工具整合到病理学家工作流程中的潜力。我们介绍了 TIAViz，这是一个内置于 TIAToolbox 的基于 Python 的可视
PDF5 months ago
几何学无限力量的释放：针对全扫描组织病理图像分析的新型几何感知变换器（GOAT）
病理学分析对肿瘤的诊断和预后具有重要意义，然而，由于巨大的细胞级全切片图像和病理特征的复杂表达，在其分析中存在巨大挑战。因此，我们提出了一种新颖的弱监督框架，几何感知变换器（GOAT），其中我们督促模型关注肿瘤微环境中的几何特征，这通常作为
PDF5 months ago
注意细节：跨分辨率知识蒸馏
在数字病理学中，为了解决大型全幻灯片图像的计算限制问题，该研究提出了使用知识蒸馏和注意力图来提高模型性能，实验证明该方法在不同图像分辨率下显著改善了模型性能。
PDF6 months ago
基础模型的低资源化微调在组织病理学中超越了现有技术水平
通过细化基础模型，仅经历两小时或三天的单个 GPU 训练，我们可以在计算病理学中的特征提取上相媲美或超越现有的方法，这表示即使资源有限，也可以针对特定下游任务和数据集训练一个定制的特征提取器。
PDF6 months ago
预测腋窝淋巴结转移中的缺失模态下的多模态学习
基于多模态学习的鉴别性淋巴结转移诊断模型，在临床医学实践中，通过双向蒸馏框架获得全面的多模态知识和稳健的 WSI 特征，有效地处理多模态数据和丢失模态，提高早期乳腺癌患者治疗决策的准确性。
PDF6 months ago
层次视觉 Transformer 用于全切片图像中上下文感知的前列腺癌分级
该研究探讨了分层视觉 Transformer（H-ViTs）在计算病理学中的应用，评估其在整张切片图像中进行前列腺癌分级的效率，结果显示其与现有最先进解决方案具有竞争力的性能。
PDF6 months ago
Quilt-LLaVA：通过从开源组织组织的组织病理学视频中提取本地化的叙述来进行视觉指导调整
通过 Quilt-Instruct 数据集和 Quilt-LLaVA 模型，本研究提出了一种能够在全幅切片图像中进行诊断推理和空间感知的多模态组织病理学问答系统。该模型在多个公共组织病理数据集上表现出比 SOTA 模型高出超过 10% 的性
PDF7 months ago
基于级联扩散模型的组织病理学千亿像素图像合成
该研究通过超高分辨率级联扩散模型（URCDM）合成高分辨率图像，实现在不同放大级别上既保持真实性又保持长距离空间一致性，并通过对比分析和人工专家评估表明，该模型在病理组织学图像诊断中优于现有方法。
PDF7 months ago
MI-Gen：用于千兆像素全切片图像的病理报告多示例生成
使用全幻灯片图像生成病理报告的多示例生成模型 (MI-Gen) 可减轻经验不足的病理医生的工作负担并提高临床自动化，同时简单的语义提取可以实现最佳性能且公开可用。
PDF7 months ago
MGCT: 基于综合组织病理学 - 基因组特征的生存结局预测的互相引导的跨模态变换器
基于深度学习的计算病理学领域的研究表明，利用全切片图像（WSIs）客观预测癌症患者预后的效果显著。然而，目前大多数预后方法局限于组织病理学或基因组学，不可避免地降低了其准确预测患者预后的潜力。为了解决这些问题，我们提出了一种弱监督、基于注意
PDF7 months ago
选择不同形态分割与攻克千亿像素病理图像
基于 “Divide & Conquer” 方法，我们提出了一种名为 SDM 的新方法，用于选择一小部分具有不同形态的整个切片图像，以在计算病理学中实现 WSI 分析、分类和匹配。通过在各种公共和私人组织病理学数据集上进行评估，SDM 展现
PDF8 months ago
MixUp-MIL：基于线性和多线性插值数据增强的组织切片图像分类研究
通过数据增强技术的线性和多线性插值方法，本文研究了应用于数字全玻片图像分类的多实例学习方法，研究结果表明方法的效果受数据集的影响很大，提出了进一步研究的相关方向。
PDF8 months ago
一张 WSI 能够传达的信息有哪些？基于亚型引导的遮蔽变换器用于病理图像字幕生成
通过使用基于 Transformer 的 Subtype-guided Masked Transformer (SGMT) 范式，我们在病理图像标注中引入一种伴随的亚型预测，以提高训练过程中的准确性，并通过采用不同的序列化抽样策略来处理病理
PDF8 months ago
数字病理学中的鲁棒图表学习
本文提出了一种新颖的鲁棒学习方法来解决整张切片图像（WSIs）中的扰动问题，并通过引入图卷积网络（GCN）从图中提取特征，包括去噪和分类层，以改善前列腺癌的诊断准确率。实验结果表明，与非鲁棒算法相比，该模型在癌症诊断方面取得了显著的改善。
PDF8 months ago