כתבה
arXiv cs.LG ·
ProsMAE: פיתוח מרכזי של MAE לסיווג דרגה ISUP
ProsMAE: Multi-Source MAE Pretraining for ISUP Grade Classification
המאמר עוסק בפיתוח פרקטיקה של MAE ללמידת המודל של תמונות של ניטור רפואי. המודל, ProsMAE, נלמד על תמונות של סרטן הערמונים, סרטן השד וסרטן הלבלב. המודל נבדק על סיווג דרגה ISUP.
תקציר מקורי באנגליתarXiv:2607.08162v2 Announce Type: replace-cross Abstract: Whole slide images (WSIs) provide rich diagnostic information for computational pathology, but their gigapixel scale, stain variation, scanner differences, tissue artifacts, and limited expert annotation make robust model training challenging. This paper presents a multi-source Masked Autoencoder (MAE) framework, named ProsMAE, for histopathology representation learning. Tiles from Prostate cANcer graDe Assessment (PANDA), CAncer MEtastases in LYmph nOdes challeNge 2017 (CAMELYON17), and BReAst Carcinoma Subtyping (BRACS) are used for ProsMAE pretraining to expose the encoder to diverse tissue morphology and acquisition conditions. The learned encoder is transferred for International Society of Urological Pathology (ISUP) grade clas
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית