پژوهش
چارچوب CLEAR-WSI جست‌وجوی اسلایدهای بافت‌شناسی را مقیاس‌پذیرتر می‌کند
این روش با ساختن بردار ثابت‌طول برای هر اسلاید و پالایش نتایج بر پایهٔ تشخیص، در چهار وظیفهٔ بازیابی از بهترین خط‌مبناهای ارزیابی‌شده بهتر عمل کرده است.
پژوهشگران در پیش‌چاپی در arXiv چارچوب CLEAR-WSI را برای یافتن اسلایدهای بافت‌شناسی مشابه در آرشیوهای بزرگ معرفی کرده‌اند. این آرشیوها با گسترش آسیب‌شناسی دیجیتال رشد کرده‌اند، اما اطلاعات فرادادهٔ آن‌ها اغلب ناسازگار یا در دسترس نیست؛ بنابراین جست‌وجوی مبتنی بر محتوای تصویر می‌تواند به‌جای اتکا به فراداده یا حاشیه‌نویسی دستی، موارد مشابه را از روی ویژگی‌های بصری پیدا کند.
CLEAR-WSI برای هر اسلاید یک embedding با طول ثابت می‌سازد و نتایج بازیابی را با برچسب تشخیصی پالایش می‌کند؛ این برچسب بسته به وضعیت جست‌وجو، پیش‌بینی‌شده یا واقعی است. موارد تازه‌پردازش‌شده نیز به بانک حافظه افزوده می‌شوند تا آرشیو با گذر زمان گسترش یابد.
در بنچمارکی شامل دو مجموعه‌دادهٔ عمومی و یک مجموعه‌دادهٔ بالینی خصوصی، این روش در چهار وظیفهٔ بازیابی، معیار Precision@5 را نسبت به قوی‌ترین خط‌مبنای ارزیابی‌شده افزایش داد. میزان بهبود گزارش‌شده برای CAMELYON16 برابر ۳٫۱۰، برای BRACS-1 برابر ۲٫۷۵، برای BRACS-2 برابر ۱٫۹۵ و برای X-HER2 برابر ۳٫۷۵ است. پژوهشگران همچنین با آزمایش‌های حذف مؤلفه و سنجش تأخیر، سهم اجزای روش و امکان به‌کارگیری مقیاس‌پذیر آن را بررسی کرده‌اند. متن چکیده جزئیات بیشتری دربارهٔ این اعداد یا شرایط ارزیابی ارائه نمی‌کند.
این گزارش به کمک هوش مصنوعی تهیه شده است. مطالب براساس منابع درج‌شده تنظیم شده‌اند؛ صحت مستقل همه ادعاها تضمین نمی‌شود.
منبع: arXiv · AI (پیش‌چاپ) — مشاهده منبع اصلی ↗
پیش‌چاپ پژوهشی در arXiv؛ انتشار در این مخزن به معنی داوری همتا نیست
رد این داستان در رادار
خبرهای مرتبط از آرشیو منتشرشده