Phikon

🚀 Phikon モデルカード

Phikonは、iBOTを用いて学習された組織病理学用の自己教師付き学習モデルです。組織画像の特徴抽出やがんの分類など、生物学や医学の分野で役立ちます。

🚀 クイックスタート

Phikonの最新バージョンはこちらをチェック👉 Phikon-v2

モデルの使い方について詳しく知りたい場合は、ブログ記事を読み、Colabノートブックを参照することをおすすめします。

✨ 主な機能

• 組織学画像タイルからの特徴抽出
• 様々ながんサブタイプのがん分類
• がんサブタイプに特化した微調整

📚 ドキュメント

モデルの説明

• 開発者: Owkin
• 資金提供元: OwkinとIDRIS
• モデルタイプ: Vision Transformer Base
• モデル統計情報:
  • パラメータ数 (M): 85.8
  • 画像サイズ: 224 x 224 x 3
• 論文:
  • Scaling Self-Supervised Learning for Histopathology with Masked Image Modeling. A. Filiot et al., medRxiv 2023.07.21.23292757; doi: https://doi.org/10.1101/2023.07.21.23292757
• 事前学習データセット: TGCA から抽出された4000万枚の全がんタイル
• オリジナル: https://github.com/owkin/HistoSSLscaling/
• ライセンス: Owkin非商用ライセンス

用途

直接的な利用

Phikonモデルの主な用途は、組織学画像タイルからの特徴抽出です。

下流の利用

このモデルは、様々ながんサブタイプのがん分類に使用できます。また、がんサブタイプに特化するように微調整することもできます。

🔧 技術詳細

コンピューティングインフラストラクチャ

構築したすべてのモデルは、フランスのJean Zayクラスターで学習されました。

ハードウェア

32Gb RAMを搭載したNVIDIA V100 GPU

ソフトウェア

PyTorch 1.13.1

BibTeX引用

@article{Filiot2023ScalingSSLforHistoWithMIM,
	author       = {Alexandre Filiot and Ridouane Ghermi and Antoine Olivier and Paul Jacob and Lucas Fidon and Alice Mac Kain and Charlie Saillard and Jean-Baptiste Schiratti},
	title        = {Scaling Self-Supervised Learning for Histopathology with Masked Image Modeling},
	elocation-id = {2023.07.21.23292757},
	year         = {2023},
	doi          = {10.1101/2023.07.21.23292757},
	publisher    = {Cold Spring Harbor Laboratory Press},
	url          = {https://www.medrxiv.org/content/early/2023/07/26/2023.07.21.23292757},
	eprint       = {https://www.medrxiv.org/content/early/2023/07/26/2023.07.21.23292757.full.pdf},
	journal      = {medRxiv}
}

📄 ライセンス

Owkin非商用ライセンス