BriefGPT - AI 论文速递
·
基于机器学习和分子对接的对 BindingDB 数据库配体在 EGFR、HER2、雌激素受体、孕激素受体和 NF-kB 受体的筛选
💡
原文中文，约200字，阅读约需1分钟。
📝
内容提要
本研究使用机器学习和数字病理学建立了大规模数据集，验证了基于ViT的标准流水线在正确标注协议下具有90%的预测性能，并揭示了训练分类器定位相关区域的能力，为未来改进本领域的本地化工作提供了启示。
🎯
关键要点
- 本研究使用机器学习和数字病理学建立了一个大规模数据集，包含185,538张图像。
- 数据集通过可靠的Ki67、ER、PR和HER2状态测量结果进行验证。
- 基于ViT的标准流水线在正确的标注协议下能够达到约90%的预测性能。
- 研究揭示了训练分类器定位相关区域的能力。
- 为未来改进本领域的本地化工作提供了启示。
➡️
