CARE 是一种专为病理学设计的新型跨模态自适应区域编码器基础模型,旨在解决传统模型在处理整幅切片图像(WSI)时缺乏语义连贯性的问题。该研究通过引入自适应区域生成器,将切片划分为形态相关的非规则区域,从而模拟病理学家的诊断逻辑并捕获复杂的组织结构。模型采用两阶段预训练策略,首先进行自监督预训练,随后利用核糖核酸(RNA)和蛋白质谱图进行分子级跨模态对齐,以增强表征的生物学相关性。实验结果显示,CARE 仅需主流模型十分之一的预训练数据,便在癌症分类、生存分析及分子预测等 33 项下游任务中展现出卓越的性能。这种高数据效率和形态感知的设计,显著提升了计算病理学分析的准确性与临床可解释性。
References:
* Zhang D, Gong Z, Pang X, et al. CARE: A Molecular-Guided Foundation Model with Adaptive ...去小宇宙查看完整单集简介
前往小宇宙评论区与主播互动
References:
* Zhang D, Gong Z, Pang X, et al. CARE: A Molecular-Guided Foundation Model with Adaptive ...去小宇宙查看完整单集简介
前往小宇宙评论区与主播互动
Fler avsnitt av 聊聊Sci
Visa alla avsnitt av 聊聊Sci聊聊Sci med 淼淼Elva finns tillgänglig på flera plattformar. Informationen på denna sida kommer från offentliga podd-flöden.
