返回
A Content-Aware Variable-Rate Framework for Pathology Learned Image Compression (PathoLIC)
DOI:10.1016/j.media.2026.104018.png)
摘要
En 中文
• PathoLIC:基于学习的自适应压缩,保留关键病理学内容。
• 基于注意力机制的相关WSI图像块冗余降低。
• 结构化比特流实现高效的WSI存储和流程兼容性。
Keyword:
PathoLIC
adaptive compression
whole slide images
attention mechanism
structured bitstream
期刊
IF:
11.8
论文数:
3.9K
被引数:
2.4W
机构
引用论文
Clinical-grade computational pathology using weakly supervised deep learning on whole slide images在整个幻灯片图像上使用弱监督深度学习的临床级计算病理学
NATURE MEDICINE
IF50
Data-efficient and weakly supervised computational pathology on whole-slide images全载玻片图像上的数据高效和弱监督计算病理学
Image analysis and machine learning in digital pathology: Challenges and opportunities数字病理学中的图像分析和机器学习: 挑战和机遇
MEDICAL IMAGE ANALYSIS
IF11.8
A Dataset and a Technique for Generalized Nuclear Segmentation for Computational Pathology用于计算病理学的广义核分割的数据集和技术
Towards a general-purpose foundation model for computational pathology迈向计算病理学的通用基础模型
NATURE MEDICINE
IF50
A whole-slide foundation model for digital pathology from real-world data来自真实世界数据的数字病理学的全幻灯片基础模型
Nature
IF0

