该文介绍了一种基于Transformer的Subtype-guided Masked Transformer（SGMT）范式，通过伴随的亚型预测提高病理图像标注的准确性，并采用不同的序列化抽样策略来处理尺寸限制。实验结果表明，该方法在PatchGastricADC22数据集上的性能优于传统的基于RNN的方法。