Phikon

🚀 Phikon模型介紹

Phikon是一個用於組織病理學的自監督學習模型，通過iBOT進行訓練。它可用於從組織學圖像切片中提取特徵，還能用於多種癌症亞型的分類，也可以針對特定癌症亞型進行微調。

⚠️ 重要提示

🎉 點擊此處查看Phikon的最新版本：Phikon-v2

若想了解更多關於該模型的使用方法，建議閱讀我們的博客文章並查看這個Colab筆記本。

🚀 快速開始

你可以通過閱讀博客文章和查看Colab筆記本，來了解如何使用Phikon模型。

✨ 主要特性

• 特徵提取：可從組織學圖像切片中提取特徵。
• 癌症分類：能夠用於多種癌症亞型的分類。
• 可微調：可以針對特定癌症亞型進行微調。

📚 詳細文檔

模型描述

用途

直接使用

Phikon模型的主要用途是從組織學圖像切片中提取特徵。

下游應用

該模型可用於多種癌症亞型的癌症分類，也可以針對特定癌症亞型進行微調。

🔧 技術細節

計算基礎設施

我們構建的所有模型都在法國的Jean Zay集群上進行訓練。

硬件

使用具有32Gb RAM的NVIDIA V100 GPU。

軟件

使用PyTorch 1.13.1。

📄 許可證

本模型使用Owkin非商業許可證。

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}
}