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
- CMU 发布 XYBench:LLM 只答字面问题,常无视用户真实需求 — valentina__py · 2026-10-27
- arXiv 编辑提醒：勿直接提交未润色的 LLM 生成论文 — tdietterich · 2026-10-27
- arXiv 前主席提示:投稿主分类选错,论文几乎必被搁置 — tdietterich · 2026-10-27
- arXiv 积压超 4000 篇论文被搁置，版主致歉并给出避坑建议 — tdietterich · 2026-10-27
- 72 张实拍图训练 MOSS 锐度滑块 LoRA,权重 1 到 -1 调焦 — aoleg77 · 2026-10-27
- CoreWeave 三周 RL 后训练:BrowseComp 提升 22.9%,工具调用省三成 — RichardSocher · 2026-10-27