计算机科学 > 计算机视觉与模式识别
[提交于 2025年11月4日
]
标题: PLUTO-4:前沿病理学基础模型
标题: PLUTO-4: Frontier Pathology Foundation Models
摘要: 基于大规模病理图像语料库训练的基础模型在多种组织病理学任务中表现出强大的迁移能力。 在此基础上,我们引入了PLUTO-4,这是我们下一代病理基础模型,将病理通用Transformer(PLUTO)扩展到前沿规模。 我们在PLUTO-4系列中分享了两种互补的视觉Transformer架构:一种是紧凑高效的PLUTO-4S模型,采用FlexiViT设置和2D-RoPE嵌入,优化了多尺度部署;另一种是前沿规模的PLUTO-4G模型,使用单一补丁大小进行训练,以最大化表示能力和稳定性。 这两种模型都在一个包含来自50多家机构的137,144名患者的551,164张全视野图像的大型多机构语料库上进行预训练,涵盖了超过60种疾病类型和超过100种染色方法,使用来自DINOv2的自监督目标进行预训练。 在公共和内部基准上的全面评估表明,PLUTO-4在需要不同空间和生物学背景的任务中实现了最先进的性能,包括补丁级分类、分割和幻灯片级诊断。 紧凑的PLUTO-4S为实际部署提供了高通量和稳健的性能,而PLUTO-4G在多个病理基准上建立了新的性能前沿,包括皮肤病理学诊断提高了11%。 这些多样化的改进突显了PLUTO-4作为转化研究和诊断用例基础的潜力。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.