对应论文
A deep learning framework for efficient pathology image analysis
视频简介
数字病理学中,从全切片图像预测生物标志物面临计算效率低下的问题,现有方法处理大量冗余图块并需要复杂聚合模型。 本文提出EAGLE框架,模仿病理学家选择性分析信息区域,结合任务无关的图块选择与详细特征提取。 在涵盖9种癌症类型的43项任务上,EAGLE相比图块聚合方法性能提升高达23%,每张切片处理仅需2.27秒,计算时间减少超过99%,并进行了系统消融和注意力分析验证。 EAGLE的高效性和可审计性使其适用于快速临床工作流和多组学整合,但方法原创性有限且通用性局限于病理领域。