Nature | Prov-GigaPath：数字病理学的全载玻片基础模型

文章预览

DRUG AI 今天为大家介绍的是来自Hoifung Poon团队的一篇论文。数字病理学面临着独特的计算挑战，因为标准的千兆像素载玻片可能包含数万个图像切片。现有模型通常会对每张载玻片的部分图像切片进行子采样，因此错过了重要的切片级上下文信息。作者在此介绍Prov-GigaPath，一个在13亿个256×256病理图像切片上预训练的全载玻片病理基础模型。其中，这些切片来自Providence，它是包含28个癌症中心的大型美国健康网络中的171,189张完整载玻片。这些切片来源于超过30,000名患者，涵盖了31种主要组织类型。为了预训练Prov-GigaPath，作者提出了GigaPath，这是一种用于预训练千兆像素病理载玻片的新型视觉Transformer架构。为了使GigaPath能够处理包含数万个图像切片的切片级学习，GigaPath采用了最新开发的LongNet方法。为了评估Prov-GigaPath，作者构建了一个数字病理学基 ………………………………