Alapfogalmak
近年の深層学習の進歩により、病理学の診断ワークフローが基盤モデルとビジョン-言語モデルの統合によって大きく変革されている。これらのモデルは、既存の深層学習アプローチの限界を克服し、幅広い下流タスクに適応可能な表現空間を学習する。
Kivonat
本調査では、病理学における基盤モデルとビジョン-言語モデルの最新の革新について包括的かつ体系的な概要を提示する。まず、これらのモデルの特徴と事前学習ワークフロー、特に自己教師あり事前学習手法について詳述する。次に、下流タスクとデータセットについて概説し、適応と性能評価の戦略を説明する。さらに、これらのモデルを活用するためのフレームワーク、ベンチマーキング、適応に関する研究も紹介する。本調査は、病理学における基盤モデルとビジョン-言語モデルの現在の動向と、これらのモデルが将来この分野をどのように変革していくかを明らかにする。
Statisztikák
基盤モデルの事前学習には大規模かつ多様なデータセットが使用される。これにより、臓器や解剖部位、スキャナータイプ、染色法、保存方法などの幅広い変動を捉えることができる。
事前学習の際は、自己教師あり学習手法として、自己蒸留、マスクド画像モデリング、対照学習などが用いられる。
下流タスクの評価には、ゼロショット評価、フューショット評価、シンプルショット評価の3つの手法が使用される。
Idézetek
"近年の深層学習の進歩により、病理学の診断ワークフローが基盤モデルとビジョン-言語モデルの統合によって大きく変革されている。"
"これらのモデルは、既存の深層学習アプローチの限界を克服し、幅広い下流タスクに適応可能な表現空間を学習する。"
"事前学習の際は、自己教師あり学習手法として、自己蒸留、マスクド画像モデリング、対照学習などが用いられる。"