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

データとリソース

追加情報

フィールド
ソース https://github.com/sy2es94098/ViTAGG-MIL
作成者 黃有源
メンテナー 黃有源
バージョン 1.0
最終更新 10月 10, 2023, 20:03 (CST)
作成日 7月 10, 2023, 11:55 (CST)
聯繫Email sy2es94098@gmail.com
聯繫窗口 黃有源

推薦資料集:


  • 申請人專利公告發證件數排名

    Payment instrument Free
    Update frequency Irregular
    本表係由經濟部智慧財產局自資料庫擷取申請人三種專利公告發證案件數前20大排名統計資料供外界參考
  • 國家教育研究院-地質學學術名詞

    Payment instrument Free
    Update frequency Irregular
    地質學英中對照名詞等資訊。
  • 台灣中油股份有限公司_98無鉛汽油安全資料表

    Payment instrument Free
    Update frequency Irregular
    98無鉛汽油安全資料表
  • 最近五年個人人壽保險平均每件保費收入

    Payment instrument Free
    Update frequency Irregular
    最近五年個人人壽保險平均每件保費收入(保發中心)
  • 廣告審查件數統計表

    Payment instrument Free
    Update frequency Irregular
    廣告審查件數統計表