Applicaiton Required

H11-M05_基於不精確標註資料的弱監督式病理影像切割模型

Method:

使用多實例學習訓練WSI的分類與切割模型,只需要給定WSI有無包含腫瘤組織資訊即可訓練具有分割與分類效果的模型。 模型訓練分為兩階段, 第一階段是使用 Self-Supervised Learning 去訓練一個好的 embedder,把patch轉為特徵向量 ,第二階段會使用到訓練好的 Aggregator 來整合一張WSI所切割出的patch的資訊。模型訓練好後,給定一張WSI,除了能輸出其分類外,亦可輸出其異常區域。

Usage:

WSI分類與分割

Release Note:

v1.0.1, 2023/08/11

Data and Resources

Additional Info

Field Value
Source https://github.com/sy2es94098/ViTAGG-MIL
Author 黃有源
Maintainer 黃有源
Version 1.0
Last Updated October 10, 2023, 20:03 (CST)
Created July 10, 2023, 11:55 (CST)
聯繫Email sy2es94098@gmail.com
聯繫窗口 黃有源

推薦資料集:


  • 車輛偵測器資料1.1版5分鐘動態資料

    Payment instrument Free
    Update frequency Irregular
    提供車輛偵測器資料1.1版5分鐘動態資料
  • 109年度宜蘭縣高風險家庭關懷輔導處遇服務提供單位

    Payment instrument Free
    Update frequency Irregular
    109年度宜蘭縣社福相關資料
  • 符合PIC/S GDP藥商名單資料集

    Payment instrument Free
    Update frequency Irregular
    本資料集為食品藥物管理署稽核國內PIC/S GDP藥商之名單,本資料集同步署網更新,藉此提供消費者、業者或從事醫療人員進一步使用。
  • insight_test_15103

    Payment instrument Free
    Update frequency Irregular
  • 地方建設基金實際核貸數占預算數百分比

    Payment instrument Free
    Update frequency Irregular
    提供地方建設基金年度貸款統計表