prov-gigatime/GigaTIME

解决的问题

GigaTIME 旨在为肿瘤微环境建模生成「虚拟人群」特征。具体而言，它解决了从常规且广泛可用的 H&E 病理切片中预测空间蛋白组学（mIF）的问题，从而无需进行昂贵且复杂的空间蛋白组学实验。

工作原理

该项目提供了一个跨模态翻译器，可将 H&E 染色的病理图像转换为虚拟多重免疫荧光（mIF）图谱。模型包含两个版本：

• GigaTIME：原始的基于 CNN 的模型。
• GigaTIME-Flash：基于 GigaPath-Flash 构建的高效版本，推理速度提升 6 倍，GPU 内存使用量减少 8 倍，同时预测质量得到提升。

适用人群

专注于病理学和医学影像的 AI 研究人员，希望复现相关 Cell 论文的实验结果，或在此基础上开展肿瘤微环境分析工作。

主要亮点

• 跨模态转换：将常规 H&E 切片转换为虚拟 mIF 特征。
• 高效推理：GigaTIME-Flash 显著降低计算开销，同时提升预测质量。
• 全切片支持：支持分块与拼接，实现切片级虚拟 mIF 图谱生成。
• 研究导向：专为研究环境中的肿瘤微环境建模而设计。