P

Path Foundation

由google開發
Path Foundation是一個用於組織病理學應用的機器學習模型,通過自監督學習訓練,能夠從H&E染色切片中生成384維嵌入向量,用於高效訓練分類器模型。
下載量 220
發布時間 : 11/20/2024

模型概述

該模型專為數字病理學設計,可減少開發特定任務模型所需的訓練數據和計算資源,適用於癌症檢測、分類、分級等多種病理分析任務。

模型特點

數據高效訓練
顯著減少訓練分類器所需的數據量和計算資源
多任務適用性
生成的嵌入可用於癌症檢測、分級、元數據預測等多種病理學任務
多放大倍數支持
在2µm/像素、1µm/像素和0.5µm/像素三個放大倍數下訓練
領域特定優化
專門針對組織病理學圖像進行優化,提供更相關的特徵表示

模型能力

圖像特徵提取
病理圖像分析
癌症檢測
組織分類
圖像嵌入生成

使用案例

癌症診斷
乳腺癌淋巴結轉移檢測
利用模型嵌入訓練分類器檢測淋巴結中的轉移性乳腺癌
在相關研究中顯示出高診斷準確性
前列腺癌Gleason分級
輔助病理學家進行前列腺癌的組織學分級
已開發出驗證算法
預後預測
結直腸癌生存預測
基於組織病理學圖像預測患者生存結果
已開發出可解釋的預測模型
分子特徵預測
肺腺癌腫瘤突變負荷分類
從病理圖像預測腫瘤突變負荷
已發表比較分析研究
AIbase
智啟未來,您的人工智能解決方案智庫
© 2025AIbase