Scidown文献预览系统!
全幻灯片图像上的数据高效和弱监督计算病理学( Data-efficient and weakly supervised computational pathology on whole-slide images )
MY Lu DFK Williamson TY Chen RJ Chen F Mahmood
用于计算病理学的深度学习方法要么需要对gigapixel整张幻灯片图像(WSI)进行手工注释,要么需要使用幻灯片级别的标签对WSIs的大型数据集进行注释,并且通常存在较差的领域适应性和可解释性。在此,我们报告了一种可解释的弱监督深度学习方法,用于数据高效的WSI处理和学习,该方法只需要幻灯片级别的标签。我们称之为聚类约束注意多实例学习(CLAM)方法,它利用基于注意的学习识别出具有较高诊断价值的子区域来准确地对整个幻灯片进行分类,并对识别出的代表性区域进行实例级聚类来约束和细化特征空间。通过将CLAM应用于肾细胞癌和非小细胞肺癌的亚型分型以及淋巴结转移的检测,我们表明它可以用于WSIs上已知的形态特征的定位,而不需要空间标记,它优于标准的弱监督分类算法,并且它适用于独立的测试队列、智能手机显微镜和变化的组织内容。
『Sci-Hub|Scidown』怎么用?来看看教程吧!

支持模式 1.支持DOI号 2.支持英文文献全名搜索 3.支持参考文献搜索 4.知网文献(暂时关闭)


安卓手机、电脑用户,您可以在QQ浏览器里输入 www.scidown.cn 打开scidown解析,就可以解析、下载了!(注意是文献的DOI号)


苹果手机用户,您需要先在App Store里搜索并下载 Documents by Readdle 这个APP,在APP首页,左划右下角的指南针图标打开APP内置浏览器,在浏览器里输入 www.scidown.cn 打开scidown解析,就可以解析、下载了!


如出现BUG?赶快加入【Scidown互助交流群】反馈吧:729083885【点击一键加群】