登录
洞察 - 디지털 병리학
디지털 병리학에서 피라미드 그래프 합성곱 신경망을 이용한 다중 스케일 토폴로지 통합
그래프 합성곱 신경망(GCN)은 디지털 병리학에서 다양한 공간 범위의 구조 정보를 효과적으로 다룰 수 있는 강력한 대안이 되었다. 그러나 메시지 전달 알고리즘은 큰 이웃을 집계할 때 과도한 평활화 문제를 겪는다. 따라서 다중 범위 상호작용을 효과적으로 모델링하려면 그래프의 신중한 구축이 필요하다. 제안된 다중 스케일 GCN(MS-GCN)은 이 문제를 해결하기 위해 전체 슬라이드 이미지(WSI)의 다양한 배율 수준에 걸쳐 정보를 활용한다. MS-GCN은 낮은 배율에서의 장거리 구조적 의존성과 높은 배율에서의 고해상도 세포 세부 사항을 동시에 모델링할 수 있다.
디지털 병리학에서 기반 모델과 정보 검색
디지털 병리학에서 기반 모델과 정보 검색 기술은 병리학자들의 진단 및 분석 능력을 향상시킬 수 있다.
루돌프 비르히 재단 모델: 병리학자를 위한 병리학자 모델
병리학 분야에서 다양한 데이터와 병리학자의 전문성을 결합하여 강력한 기반 모델을 개발하였다.
회전 불변 조직병리학 이미지 표현 학습을 통한 디지털 병리학 분석
본 연구는 조직병리학 이미지 분석을 위한 효율적이고 강력한 프레임워크를 제공한다. 이를 위해 빠른 패치 선택 방법(FPS), 경량 조직병리학 특징 추출기(PathDino), 그리고 회전 불변 표현 학습 기법(HistoRotate)을 제안한다.
