当一张图像价值 1,024 x 1,024 个词：计算病理学案例研究

本技术报告介绍了LongViT，一种能够以端到端方式处理十亿像素图像的视觉Transformer。通过将图像分割成补丁并进行线性投影，使用LongNet对极长序列进行建模，生成捕捉了短程和长程依赖关系的表示。实验结果表明，LongViT在癌症诊断和预后方面优于先前的方法。