BriefGPT - AI 论文速递
·
利用深度学习和金字塔采样进行乳腺癌图像中的自动 HER2 评分
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文介绍了两个新设计，通过使用点变换器与联邦学习方法预测多地点HER2状态。新设计包括动态标签分布策略和辅助分类器，并提出了基于余弦距离的最远余弦采样方法。实验结果表明，该方法在多个地点的WSIs上实现了最先进的性能，并且可以泛化到未见过的地点。
🎯
关键要点
-
使用点变换器与联邦学习方法预测多地点HER2状态。
-
提出了动态标签分布策略和辅助分类器以建立可初始化的模型。
-
动态标签分布策略有助于减轻不同地点标签分布的变化。
-
提出了基于余弦距离的最远余弦采样方法，选择最具特色的特征。
-
实验结果显示在4个地点的2687个WSIs上实现了最先进的性能。
-
模型可以泛化到两个未见过的地点，共229个WSIs。
➡️
