计算病理学的新纪元：基础模型与视觉语言模型综述
机器学习
2024-09-19 v3 人工智能
计算与语言
图像与视频处理
摘要
深度学习技术的近期进步彻底变革了计算病理学 (CPath) 领域。更具体地说，它通过将基础模型 (FMs) 和视觉语言模型 (VLMs) 集成到诊断工作流程中，改变了病理学家的评估和决策过程。现有深度学习方法在 CPath 中的局限性可以通过 FMs 通过学习一种可适应到广泛下游任务而无需显式监督的表示空间来克服。部署 VLMs 可将以自然语言书写的病理报告作为富有语义信息的来源，用于改进现有模型以及以自然语言形式生成预测。本综述提供了 FMs 和 VLMs 在 CPath 中最新创新力量的全面且系统性概述。此外，汇总了用于这些模型的工具、数据集和训练方案，并将其分类为 distinct 组。这一广泛综述突显了 CPath 的当前趋势以及通过在未来应用 FMs 和 VLMs 可能实现的变革。
引用
@article{arxiv.2408.14496,
title = {A New Era in Computational Pathology: A Survey on Foundation and Vision-Language Models},
author = {Dibaloke Chanda and Milan Aryal and Nasim Yahya Soltani and Masoud Ganji},
journal= {arXiv preprint arXiv:2408.14496},
year = {2024}
}
备注
20 pages, 19 figures and 9 tables