BriefGPT - AI 论文速递
·
使用联邦学习的点变换器从苏木精和伊红染色全切片图像中预测乳腺癌 HER2 状况
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
通过点变换器与联邦学习方法对多地点HER2状态进行预测，提出了动态标签分布策略和辅助分类器，建立可初始化的模型和减轻不同地点标签分布的变化。实验证明，在4个地点的2687个WSIs上实现了最先进的性能，并且模型可以泛化到两个未见过的地点，共229个WSIs。
🎯
关键要点
- 通过点变换器与联邦学习方法对多地点HER2状态进行预测。
- 提出动态标签分布策略和辅助分类器，帮助建立可初始化的模型。
- 减轻不同地点标签分布的变化。
- 基于余弦距离的最远余弦采样选择最具特色的特征，捕捉长程依赖关系。
- 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。
➡️
