본 연구는 프롬프트 기반 적응형 모델 변환(PAMT) 기법을 제안하여 전체 슬라이드 이미지 분류 성능을 향상시킨다. PAMT는 대표적인 패치 샘플링, 프로토타입 비주얼 프롬프트, 그리고 적응형 모델 변환 기술을 통해 병리 이미지의 특성을 효과적으로 반영하고 사전 학습된 모델을 병리 도메인에 맞게 변환한다.
프롬프트 기반 적응형 모델 변환(PAMT) 기법은 사전 학습된 모델을 병리 이미지 데이터에 맞게 효과적으로 변환하여 전체 슬라이드 이미지 분류 성능을 향상시킨다.
본 연구는 프롬프트 기반 적응형 모델 변환(PAMT) 기법을 제안하여 전체 슬라이드 이미지 분류 성능을 향상시킨다. PAMT는 대표적 패치 추출, 프로토타입 비주얼 프롬프트, 적응형 모델 변환 기술을 통해 사전 학습된 모델을 병리 데이터에 효과적으로 적응시킨다.
MECFormer는 다중 작업 전체 슬라이드 이미지 분류를 위해 전문가 협의 네트워크(ECN)와 Transformer 기반 아키텍처를 활용하여 단일 모델로 여러 작업을 효과적으로 처리합니다.