AutoMIL：全切片图像分类自动化框架开源

Jonas Waibel、Frank Kramer 与 Dominik Müller 提出并开源 AutoMIL，一个将自动化机器学习原则用于全切片图像分类的框架，自动完成预处理、训练与评估等流水线步骤。 据作者报告，默认设置下基准测试结果为 UBC-OCEAN ROC-AUC 0.94、PCam 0.99、TCGA-NSCLC 子集 0.93–0.96，与相关工作中的专用流水线相当。作者称集成主要在不平衡数据上带来提升，表明自动化流水线需适配数据集特性。

AI 根据报道生成 · 53 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。