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:多模态AI病理测试预测乳腺癌复发并超越金标准(11 条相关)→
「研究」频道最新
- 3D ResNet 论文八年突破 3000 引用，Kinetics 数据集成里程碑 — HirokatuKataoka · 2026-09-11
- 把数据调度变成优化的一部分：样本选择与排序影响 LLM 训练 — Puzzleheaded_Box2842 · 2026-09-11
- Jeff Heaton《神经网络数学导论》开放免费完整下载 — blaizedsouza · 2026-09-11
- 数学家 Daniel Litt 上线问题库,15 题仅 1 题被解,用来追踪 AI 解题进度 — littmath · 2026-09-11
- AI 智能体协作优化 secp256k1 量子电路,挑战打破 ECDSA — StefanoGogioso · 2026-09-11
- Alex Townsend 汇编 200 个数值线性代数开放问题，供人类与 AI 攻关 — IgorCarron · 2026-09-11