license: other language:

• en tags:
• 生物学
• 医学
• 癌症 datasets:
• owkin/nct-crc-he
• owkin/camelyon16-features pipeline_tag: feature-extraction

Phikon模型卡片

[!IMPORTANT] 🎉 最新版Phikon请访问: Phikon-v2

Phikon是基于iBOT训练的组织病理学自监督学习模型。

详细了解模型使用方法，请阅读我们的博客文章并查看Colab笔记本。

模型描述

• 开发团队: Owkin
• 资助方: Owkin和IDRIS
• 模型类型: Vision Transformer基础版
• 模型参数:
  • 参数量(M): 85.8
  • 图像尺寸: 224 x 224 x 3
• 论文:
  • 《通过掩码图像建模扩展组织病理学的自监督学习》。A. Filiot等，medRxiv 2023.07.21.23292757; doi: https://doi.org/10.1101/2023.07.21.23292757
• 预训练数据集: 从TGCA提取的4000万张全癌种图像块
• 原始代码: https://github.com/owkin/HistoSSLscaling/
• 许可证: Owkin非商业许可

用途

直接使用

Phikon模型主要用于从组织学图像块中提取特征。

下游应用

该模型可用于多种癌症亚型的分类任务，也可针对特定癌症亚型进行微调。

技术规格

计算基础设施

所有模型均在法国Jean Zay集群上训练完成。

硬件配置

NVIDIA V100 GPU，32GB显存

软件环境

PyTorch 1.13.1

引用信息

@article{Filiot2023ScalingSSLforHistoWithMIM,
	author       = {Alexandre Filiot and Ridouane Ghermi and Antoine Olivier and Paul Jacob and Lucas Fidon and Alice Mac Kain and Charlie Saillard and Jean-Baptiste Schiratti},
	title        = {通过掩码图像建模扩展组织病理学的自监督学习},
	elocation-id = {2023.07.21.23292757},
	year         = {2023},
	doi          = {10.1101/2023.07.21.23292757},
	publisher    = {Cold Spring Harbor Laboratory Press},
	url          = {https://www.medrxiv.org/content/early/2023/07/26/2023.07.21.23292757},
	eprint       = {https://www.medrxiv.org/content/early/2023/07/26/2023.07.21.23292757.full.pdf},
	journal      = {medRxiv}
}