V

Virchow

由paige-ai開發
Virchow是基於150萬張全切片組織病理學圖像的自監督視覺Transformer預訓練模型,可作為切片級特徵提取器用於計算病理學下游任務。
下載量 5,121
發布時間 : 6/5/2024

模型概述

Virchow是一個用於計算病理學的視覺Transformer模型,通過自監督學習在150萬張全切片組織病理學圖像上預訓練,可作為特徵提取器用於各類下游任務。

模型特點

大規模預訓練
基於150萬張全切片組織病理學圖像進行自監督預訓練,具有強大的特徵提取能力。
先進架構
採用ViT-H/14架構,包含32層、1280維嵌入和16個注意力頭,使用SwiGLU激活函數。
醫療專用
專門針對組織病理學圖像優化,在計算病理學任務中達到最先進效果。
靈活應用
可作為凍結特徵提取器或微調模型使用,支持分類標記與分塊標記的多種組合方式。

模型能力

組織病理學圖像特徵提取
全切片圖像分析
計算病理學任務支持
醫療圖像嵌入生成

使用案例

醫療研究
癌症檢測
作為基礎模型用於罕見癌症檢測研究
在《自然·醫學》期刊發表的研究中達到臨床級效果
病理學分類
用於構建切片級或全切片級分類器
學術研究
計算病理學研究
作為預訓練模型用於各類計算病理學下游任務
AIbase
智啟未來,您的人工智能解決方案智庫
© 2025AIbase