Die Studie identifiziert zwei Domänenlücken, die bei der Anpassung von Grundmodellen an pathologische Aufgaben auftreten: die Grundmodell-Aufgaben-Lücke (Foundation-Task Gap) und die Aufgaben-Instanz-Lücke (Task-Instance Gap). Um diese Lücken zu überbrücken, führt die Studie PathoTune ein, ein Framework, das Task-spezifische visuelle Prompts, Task-spezifische textuelle Prompts und instanzspezifische visuelle Prompts verwendet.
Die Ergebnisse auf mehreren Datensätzen auf Patch- und WSI-Ebene zeigen, dass PathoTune die Leistung von Grundmodellen deutlich verbessert und sogar elaboriert trainierte pathologische Grundmodelle mit einfachem linearem Probing übertrifft. Insbesondere ermöglicht PathoTune die direkte Anpassung natürlicher visueller Grundmodelle an pathologische Aufgaben, was einen drastischen Leistungssprung bedeutet.
toiselle kielelle
lähdeaineistosta
arxiv.org
Tärkeimmät oivallukset
by Jiaxuan Lu,F... klo arxiv.org 03-26-2024
https://arxiv.org/pdf/2403.16497.pdfSyvällisempiä Kysymyksiä