BriefGPT - AI 论文速递
·
MixUp-MIL：基于线性和多线性插值数据增强的组织切片图像分类研究
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文提出了一种新的基于Transformer的MIL方法，探索形态和空间信息，对三个计算病理学问题进行了测试，结果表明该方法具有更好的性能和更快的收敛速度，测试AUC可以达到93.09％，在TCGA-NSCLC和TCGA-RCC数据集上，癌症亚型分类的AUC分别可以达到96.03％和98.82％。
🎯
关键要点
- 提出了一种新的相关MIL框架和基于Transformer的MIL方法。
- 该方法探索形态和空间信息。
- 在三个不同的计算病理学问题上表现优于现有方法。
- 测试AUC在二元肿瘤分类上可达到93.09%。
- 在TCGA-NSCLC数据集上，癌症亚型分类的AUC达到96.03%。
- 在TCGA-RCC数据集上，癌症亚型分类的AUC达到98.82%。
- 该方法具有更快的收敛速度。
🏷️
标签
➡️
