大型预训练变换器在卵巢癌亚型分类中展现出良好潜力。研究表明，深度学习方法能够部分预测抗血管生成药物的治疗效果，但仍需更高质量的数据进行验证。新型多放大率图结构框架GRASP在数字病理学中表现优异，推动了可解释设计的发展。此外，研究提出的多例学习框架能够准确识别癌症亚型，超越传统方法。

我们提出了一种基于Transformer的多例学习方法，使用区域视觉Transformer自注意机制替代传统的学习注意机制。该方法在两个组织病理学数据集上显著提高了性能，并指出了进一步研究的有希望的方向。

本文介绍了一种基于Transformer的多例学习方法，使用区域视觉Transformer自注意机制来预测整张幻灯片，并处理不同距离级别上的特征。作者还提出了一种在推断期间将图像处理集中于高注意区域的方法，以提高预测准确性。实验证明该方法在两个组织病理学数据集上性能显著提高，并指出了进一步研究的有希望的方向。