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
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%。
原文中文,约300字,阅读约需1分钟。
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%。