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

💡 原文中文,约300字,阅读约需1分钟。
📝

内容提要

通过自我监督学习和大规模无标签数据集,成功训练了视觉基础模型,并在临床病理数据集上进行了预训练和下游性能评估。结果显示,病理数据的预训练对下游性能有益,DINO算法在所有测试任务中表现更好。这标志着计算病理学研究的一个阶段性变化,为更高性能模型的大规模、并行预训练开辟了新时代。

🏷️

标签

➡️

继续阅读