Новый метод обработки изображений для цифровой патологии от Microsoft Research “`html Цифровая патология: преобразование стекол препаратов в цифровые изображения Цифровая патология преобразует традиционные стеклянные слайды в цифровые изображения для просмотра, анализа и хранения. Прогресс в области технологий изображений и программного обеспечения стимулирует этот процесс, который имеет значительные последствия для медицинской диагностики, исследований и образования. Существует возможность ускорить прогресс в области точной медицины в десять раз благодаря нынешней революции в области генеративного искусственного интеллекта и параллельным цифровым изменениям в биомедицине. Для генерации доказательств на уровне популяции цифровая патология может быть интегрирована с другими мультимодальными, продолжительными данными пациентов в мультимодальный генеративный ИИ. Революционная технология Microsoft для моделирования целого слайда Инновационная технология Microsoft, GigaPath, революционизировала моделирование целого слайда, вводя расширенное самовнимание для управления вычислениями. В рамках сотрудничества с Providence Health System и Университетом Вашингтона была разработана Prov-GigaPath – открытая модель основы патологии целого слайда. Эта модель, предварительно обученная на ошеломляющем количестве 256 X 256 изображений патологии из более чем 170 000 целых слайдов с использованием реальных данных от Providence, является значительным шагом вперед в этой области. Двухэтапное обучение Prov-GigaPath включает предварительное обучение на уровне плитки с использованием DINOv2 и предварительное обучение на уровне слайда с использованием маскированного автоэнкодера и LongNet. Это обеспечивает выдающуюся производительность в ряде задач цифровой патологии, подчеркивая перспективы модели для широкого спектра приложений в этой области. Использование данных для улучшения процессов Использование данных из наборов данных Providence и TCGA позволило команде установить стандарт цифровой патологии с девятью задачами для подтипизации рака и семнадцатью задачами для патомики. Чрезвычайная производительность Prov-GigaPath подчеркивает его универсальность и потенциал для широкого спектра приложений в цифровой патологии. Команда также стремится найти универсальные сигналы для генной мутации во всех видах рака и в крайне различных морфологиях опухолей в рамках так называемого панракового сценария. В этих сложных условиях Prov-GigaPath достиг значительных результатов, превзойдя конкурентов в ряде задач. Значимость моделирования целого слайда Prov-GigaPath продемонстрировал свою способность к выполнению задач визио-языкового восприятия, превзойдя другие модели в ряде бенчмарковых задач, что подчеркивает его перспективы для моделирования целого слайда визио-языковых задач. Это первая модель основы цифровой патологии, которая прошла масштабное предварительное обучение на реальных данных. Prov-GigaPath достигает передовых результатов в области классификации рака, патомики и визио-языковых задач, открывая новые возможности для улучшения ухода за пациентами и ускорения клинических открытий. Подробнее ознакомьтесь с https://example.com/paper и https://example.com/blog. Вся заслуга за этот исследовательский проект принадлежит его ученым. Также не забудьте подписаться на наш https://example.com/twitter. Присоединяйтесь к нашему каналу в https://example.com/telegram, https://example.com/discord и https://example.com/linkedin. Если вам... https://saile.ru/%d0%bd%d0%be%d0%b2%d1%8b%d0%b9-%d0%bc%d0%b5%d1%82%d0%be%d0%b4-%d0%be%d0%b1%d1%80%d0%b0%d0%b1%d0%be%d1%82%d0%ba%d0%b8-%d0%b8%d0%b7%d0%be%d0%b1%d1%80%d0%b0%d0%b6%d0%b5%d0%bd%d0%b8%d0%b9-%d0%b4%d0%bb/