唾液腺肿瘤的全幻灯片图像分类
Whole Slide Image Classification of Salivary Gland Tumours
University of Sheffield（谢菲尔德大学）；King Saud University（沙特国王大学）
AI总结：
本研究使用多示例学习对唾液腺肿瘤的全幻灯片图像进行癌症分类，结合CTransPath特征提取器和CLAM聚合器，取得了超过0.88的F1分数和0.92的AUROC，展现了良好的分类性能。
摘要：
本工作在唾液腺肿瘤上使用多示例学习对全幻灯片图像进行癌症分类，取得了有希望的结果。利用CTransPath作为块级特征提取器，CLAM作为特征聚合器，在全幻灯片图像中检测癌症获得了超过0.88的F1分数和0.92的AUROC。
英文摘要：
This work shows promising results using multiple instance learning on salivary gland tumours in classifying cancers on whole slide images. Utilising CTransPath as a patch-level feature extractor and CLAM as a feature aggregator, an F1 score of over 0.88 and AUROC of 0.92 are obtained for detecting cancer in whole slide images.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
