BriefGPT - AI 论文速递
·
利用合成病理先验在 CT 图像上对肺癌亚型进行分类
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文研究了利用预训练的Vision Transformer模型对肺癌病理组织切片进行多标签分类。结果显示，在零样本和少样本设置下，预训练的ViT模型表现良好，具有较高的准确度、精度、召回率、敏感度和特异性。在Fig-Shot设置下，获得了最佳结果（验证集和测试集上均为100%）。
🎯
关键要点
-
研究利用预训练的 Vision Transformer 模型进行肺癌病理组织切片的多标签分类。
-
比较了零样本和少样本设置下 ViT 模型的性能表现。
-
预训练的 ViT 模型在零样本设置下表现良好。
-
在少样本设置下，ViT 模型具有较高的准确度、精度、召回率、敏感度和特异性。
-
在 Fig-Shot 设置下，ViT 模型在验证集和测试集上均获得了 100% 的最佳结果。
➡️
