AutoMIL：全切片病理图像自动分类开源框架发布
热点事件持续更新
AutoMIL：全切片病理图像自动分类开源框架发布
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
研究者发布开源框架 AutoMIL，将自动机器学习方法应用于全切片病理图像分类，自动化预处理、训练与评估等关键流程，代码与评测结果以 arXiv 论文形式公开。 在默认设置的基准评测中，AutoMIL 取得 ROC-AUC：UBC-OCEAN 0.94、PCam 0.99、TCGA-NSCLC 子集 0.93-0.96，与专业化流程相当。作者团队称，其主要提升体现在不平衡数据上的表现，并表明自动化流程仍需针对数据集特性进行适配。
AI 根据报道生成 · 2 小时前更新
最新进展10月26日 12:00
AutoMIL：面向全切片图像分类的自动化多示例学习开源框架报道时间线
沿着报道，了解事件的不同侧面。
10月26日
- arXiv cs.AIAutoMIL：面向全切片图像分类的自动化多示例学习开源框架
研究者推出开源框架 AutoMIL，将自动机器学习方法应用于全切片病理图像分类，自动化预处理、训练与评估等关键流程。在默认设置的基准评测中，AutoMIL 在 UBC-OCEAN 上取得 ROC-AUC 0.94、PCam 上 0.99、TCGA-NSCLC 子集上 0.93-0.96，媲美专业化流程。集成主要在不平衡数据上提升性能，表明自动化流程需适配数据集特性。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。