code.zip
根據資料集摘要
考量到病理影像數據龐大，人工標註成本極高，因此若能降低標註負擔，能更好加速病理 AI 模型開發。我們提出一種基於弱監督學習的方法，並引入前景與背景 Token，以幫助模型更有效地學習複雜的組織結構，進而精準分割出目標區域。
其他資訊
| 欄位 | 值 |
|---|---|
| 最後更新資料 | 九月 30, 2025 |
| 最後更新的詮釋資料 | 九月 30, 2025 |
| 建立 | 九月 30, 2025 |
| 格式 | application/zip |
| 共享範圍/授權 | Other (Non-Commercial) |
| created | 5 個月前 |
| format | ZIP |
| id | 5bc8a7d4-b54f-4280-89de-b3f670d173a3 |
| last modified | 5 個月前 |
| md5 | d14a1427cf3bf7100d2083635fc4b10e |
| mimetype | application/zip |
| package id | 099cdd8d-6a47-4d6d-a39f-f402285b21e1 |
| position | 1 |
| proxy url | https://scidm.nchc.org.tw/dataset/099cdd8d-6a47-4d6d-a39f-f402285b21e1/resource/5bc8a7d4-b54f-4280-89de-b3f670d173a3/nchcproxy/code.zip |
| revision id | 8dd8b439-f6d5-4130-a518-4b78deee5fed |
| sha256 | f5fc3bf359a3fa530919030909cd5e20b30be8586b8d8ce6f6cd567bab899822 |
| size | 218.9 KiB |
| state | active |
| url type | upload |
推薦資料集：