prov-gigapath/prov-gigapath
Prov-GigaPath: A whole-slide foundation model for digital pathology from real-world data
解决的问题
Prov-GigaPath 解决了数字病理学中分析全切片图像（WSI）的挑战。这些图像通常太大，无法由标准 AI 模型作为单一输入进行处理，因此需要一种方法来从局部组织模式和整体切片层面的上下文中提取有意义的特征。
工作原理
该系统采用两阶段编码架构：
- 切片编码器：从切片的单个图像块（切片）中提取局部模式和特征。
- 全切片编码器：接收切片编码器的嵌入向量及其空间坐标，生成整个切片的全面表示。
为提高效率，该项目提供了 GigaPath-Flash，这是一种轻量级变体，使用 LongNet 主干网络和 DINOv2-small 切片编码器，以减少内存使用并提高推理速度。
适用对象
专为从事病理学基础模型、数字病理学以及全切片图像数据编码的 AI 研究人员设计。
主要亮点
- 基础模型：在真实世界数字病理学数据上训练的大规模模型。
- 双层架构：将局部切片级特征提取与全局切片级聚合分离。
- 高效变体：包含“Flash”版本，支持更快的推理和更低的内存需求。
- 研究就绪：提供 PCam 和 PANDA 等数据集的预提取嵌入，便于进行微调实验。
相关
- 项目
- 项目
- 项目
- 项目
- 项目