注意力多示例学习将巨像素切片压缩为单一病理风险评分
kjgeras · x · 2026-07-06
技术实现：注意力多示例学习（attention-based MIL）将每张切片的数千个图像块提炼为整体表示，两个病理模型家族集成后与临床模型（CatBoost+AFT损失）融合，生成最终多模态风险评分。
所属事件:AI病理测试超越金标准：无需测序直接预测乳腺癌风险(11 条相关)→
「研究」频道最新
- 研究发现，结构集成比单一预测更能提升 TCR:pMHC 泛化 — quaidmorris · 2026-07-22
- 结构集合而非单一预测，支撑 TCR:pMHC 泛化 — quaidmorris · 2026-07-22
- enFoldX 用 AlphaFold3 结构噪声预测 TCR 识别 — quaidmorris · 2026-07-22
- RSS 加入 OMSF，推进结构生物学大规模数据建模 — MoAlQuraishi · 2026-07-22
- enFoldX 在 8 个 neoantigen 数据集上拿到领先结果 — quaidmorris · 2026-07-22
- enFoldX 在 human VDJdb 上达 AUC 0.82 并可迁移到 mouse — quaidmorris · 2026-07-22