用于CMIL分级的AI框架

本文介绍了INTERACT-CMIL，一个用于结膜黑素细胞上皮内病变（CMIL）分级的多任务深度学习框架。该框架通过联合预测五个组织病理学轴来解决准确分级CMIL的挑战，这对于治疗和黑色素瘤预测至关重要。使用共享特征学习、组合部分监督和相互依赖损失来加强跨任务一致性是关键创新。本文的意义在于它有可能提高CMIL诊断的准确性和一致性，提供可重复的计算基准，并朝着标准化数字眼科病理学迈出一步。

• •介绍了用于 CMIL 分级的多任务深度学习框架 INTERACT-CMIL。
• •采用共享特征学习和相互依赖损失以提高准确性。
• •相对于基线模型实现了显著的性能提升。
• •为 CMIL 诊断提供了可重复的计算基准。