サインイン
インサイト - デジタル病理学
病理医の視覚的注意を解読して、その専門性レベルを明らかにする
病理医の注意行動を分析することで、その専門性レベルを客観的に評価できる。
デジタル病理学における多スケールトポロジーの統合：ピラミッドグラフ畳み込みネットワーク
MS-GCNは、複数の倍率レベルで情報を活用し、包括的かつ解釈可能な病理学的景観を捉え、異なる倍率特徴の優れた性能と解釈可能性を実現します。
効率的な情報融合に向けて：Concentric Dual Fusion Attentionを用いたWhole Slide Imagesの多重インスタンス学習
CDFA-MILは、WSI分析における特徴融合の課題を克服し、関連情報の結合や特徴表現の不足などに対処する革新的なアプローチです。
デジタル病理学のための回転に関係ない画像表現学習
自己教師あり学習を使用した回転に関係ない表現学習パラダイムを導入し、効果的に過適合を軽減する。
© 2024 by Linnk AI