探索视觉语言模型作为诊断 Ewing 骨肉瘤的强大工具
计算机视觉与模式识别
2025-01-15 v1 人工智能
摘要
Ewing 骨肉瘤 (ES) 以高度密集的小圆形蓝细胞构成，细胞无结构组织，具有显著的健康隐患，尤其在 10 至 19 岁的青少年中尤为突出。基于人工智能的系统用于自动分析组织学图像，正在成为准确诊断 ES 的有前景的选择。就本研究而言，我们首次探讨了不同预训练策略在区分 ES 与其他软组织或骨肉瘤（具有相似形态）的特征提取能力，这些肿瘤在数字组织微阵列中呈现相似形态。我们在多实例学习范式下比较了视觉语言监督 (VLS) 与完全监督的 ImageNet 预训练方法。我们的发现表明，采用 VLS 使用领域内数据集后，诊断准确率得到了显著提高。值得注意的是，这些模型不仅提高了预测类别的准确率，而且大大减少了可训练参数的数量和计算成本。
引用
@article{arxiv.2501.08042,
title = {Exploring visual language models as a powerful tool in the diagnosis of Ewing Sarcoma},
author = {Alvaro Pastor-Naranjo and Pablo Meseguer and Rocío del Amor and Jose Antonio Lopez-Guerrero and Samuel Navarro and Katia Scotlandi and Antonio Llombart-Bosch and Isidro Machado and Valery Naranjo},
journal= {arXiv preprint arXiv:2501.08042},
year = {2025}
}
备注
11 pages, 5 figures, 2 tables. Oral presentation at KES-InMed 2024 held in Madeira, Portugal