BriefGPT - AI 论文速递
·
联合流：乳腺癌诊断的恶性区域学习
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文介绍了两个新设计：动态标签分布策略和辅助分类器，通过使用点变换器与联邦学习方法预测多地点HER2状态。同时，提出了基于余弦距离的最远余弦采样，选择最具特色的特征并捕捉长程依赖关系。实验结果表明，该方法在多个地点的WSIs上实现了最先进的性能，并且可以泛化到未见过的地点。
🎯
关键要点
- 提出了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。
- 这些设计减轻了不同地点标签分布的变化。
- 引入了基于余弦距离的最远余弦采样，选择最具特色的特征。
- 该方法能够捕捉长程依赖关系。
- 实验结果显示在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。
➡️
