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。

本文介绍了两个新设计，通过使用点变换器与联邦学习方法预测多地点HER2状态。新设计包括动态标签分布策略和辅助分类器，并提出了基于余弦距离的最远余弦采样方法。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。

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。