懂AI

UNI: 面向计算病理学的通用基础模型

RayRay
UNI计算病理学自监督学习全幻灯片图像病理AIGithub开源项目

UNI

UNI:面向计算病理学的通用基础模型

UNI是一个为计算病理学领域开发的通用基础模型,它代表了病理学人工智能研究的重大进展。这个模型由哈佛医学院Mahmood实验室开发,旨在解决当前计算病理学面临的一些关键挑战。

UNI模型的独特之处

UNI模型具有以下几个显著特点:

  1. 大规模预训练数据: UNI使用了超过10万张全幻灯片图像(WSI)中的1亿多张图像进行预训练,涵盖了20种主要组织类型,总数据量超过77TB。这是迄今为止在病理学领域最大规模的预训练数据集。

  2. 自监督学习: UNI采用了自监督学习方法进行预训练,无需大量标注数据,有效解决了病理图像标注困难的问题。

  3. 通用性: UNI在34个具有代表性的计算病理学任务上进行了评估,涵盖了不同难度和临床工作流程,展现了强大的通用性。

  4. 性能优势: UNI在多项任务上超越了此前的最先进模型,尤其在罕见和代表性不足的癌症类型上表现突出。

  5. 新的建模能力: UNI展示了一些新的建模能力,如与分辨率无关的组织分类、使用少样本类原型进行幻灯片分类,以及在OncoTree分类系统中对108种癌症类型进行分类的泛化能力。

UNI的技术细节

UNI基于ViT-L/16的模型架构,使用了DINOv2的自监督学习方法。模型权重可以通过Hugging Face平台获取,研究人员可以方便地使用timm库加载模型并进行推理。

UNI模型的使用非常灵活,可以用于:

  • ROI特征提取
  • 线性探测分类
  • 少样本学习
  • 多实例学习的幻灯片分类
  • 其他机器学习任务

UNI的性能评估

研究团队在多个公开和内部数据集上对UNI进行了全面评估,包括EBRAINS、PANDA、OncoTree、IHC ER/PR评估、CRC-100K-Raw和TCGA Uniform Tumor等。结果显示,UNI在多项任务上优于现有的最先进模型,如CONCH、Virchow、Prov-GigaPath等。

特别值得注意的是,UNI在一些具有挑战性的任务上表现出色:

  • 在108类OncoTree分类任务中达到53.8%的平衡准确率
  • 在32类TCGA Uniform Tumor分类任务中达到59.5%的平衡准确率

这些结果充分展示了UNI作为通用基础模型的潜力,能够在各种复杂的病理学任务中实现良好的泛化能力。

UNI的意义与影响

UNI的发布标志着计算病理学领域迈向通用人工智能的重要一步。它为研究人员提供了一个强大的预训练模型,可以应用于各种下游任务,大大提高了模型开发的效率。UNI的优异性能也为提高病理诊断的准确性和效率提供了新的可能。

同时,UNI的开源也促进了病理学AI研究的开放性和协作。研究人员可以基于UNI进行进一步的模型开发和优化,推动整个领域的进步。

结语

UNI代表了计算病理学领域基础模型研究的最新进展,为病理学AI的发展开辟了新的方向。随着更多研究人员的参与和应用,UNI有望在提高病理诊断准确性、加速药物开发等方面发挥重要作用,最终造福患者健康。

作为一个开源项目,UNI的持续发展离不开研究社区的支持。研究人员可以通过在GitHub上为项目贡献代码、报告问题或提出建议等方式参与到UNI的完善中来。同时,严格遵守项目的使用条款和伦理准则也是至关重要的,以确保这一强大工具被合理和负责任地使用。

编辑推荐精选

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器，提供智能录入、自动公式、数据整理、图表生成等功能，高效处理 Excel 任务，提升办公效率。支持自动高亮数据、批量计算、不规则数据录入，适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用，可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用，基于 UI-TARS（视觉语言模型）构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能，支持跨平台使用（Windows/MacOS），能提供实时反馈和状态显示，且数据完全本地处理，保障隐私安全。该应用集成了多种大语言模型和搜索方式，还可进行文件系统操作。适用于需要智能交互和自动化任务的场景，如信息检索、文件管理等。其提供了详细的文档，包括快速启动、部署、贡献指南和 SDK 使用说明等，方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目，支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项，可调整分辨率、扩散步数等参数，还能对提示词进行增强。使用了多种先进技术和工具，在视频和图像生成领域具有广泛应用前景，适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具，助力用户轻松创作高颜值图表

爱图表（aitubiao.com）就是AI图表，是由镝数科技推出的一款创新型智能数据可视化平台，专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型，爱图表结合强大的数据处理能力与智能化功能，致力于帮助职场人士高效处理和表达数据，提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型，支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型，支持图像和视频输入，可用于多种场景，如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式，还包含了视觉处理工具，有助于开发者快速集成和使用，提升工作效率。

HunyuanVideo

HunyuanVideo

HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。

HunyuanVideo 是一个专注于文本到图像及视频生成的项目。它具备强大的视频生成能力，支持多种分辨率和视频长度选择，能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法，可灵活调整生成参数，满足不同场景的需求，是文本生成图像视频领域的优质工具。

WebUI for Browser Use

WebUI for Browser Use

一个基于 Gradio 构建的 WebUI，支持与浏览器智能体进行便捷交互。

WebUI for Browser Use 是一个强大的项目，它集成了多种大型语言模型，支持自定义浏览器使用，具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智能体完成各类任务，无论是数据提取、网页导航还是表单填写等操作都能高效实现，有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览器操作的人群使用，在 SEO 优化方面，其关键词涵盖浏览器使用、WebUI、大型语言模型集成等，有助于提高网页在搜索引擎中的曝光度。

xiaozhi-esp32

xiaozhi-esp32

基于 ESP32 的小智 AI 开发项目，支持多种网络连接与协议，实现语音交互等功能。

xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目，专注于人工智能语音交互领域。项目涵盖了丰富的功能，如网络连接、OTA 升级、设备激活等，同时支持多种语言。无论是开发爱好者还是专业开发者，都能借助该项目快速搭建起高效的 AI 语音交互系统，为智能设备开发提供强大助力。

olmocr

olmocr

一个用于 OCR 的项目，支持多种模型和服务器进行 PDF 到 Markdown 的转换，并提供测试和报告功能。

olmocr 是一个专注于光学字符识别（OCR）的 Python 项目，由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器，如 vllm、sglang、OpenAI 等，可将 PDF 文件的页面转换为 Markdown 格式。项目还提供了测试框架和 HTML 报告生成功能，方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域，有助于提高工作效率和准确性。

飞书多维表格

飞书多维表格

飞书多维表格 ×DeepSeek R1 满血版

飞书多维表格联合 DeepSeek R1 模型，提供 AI 自动化解决方案，支持批量写作、数据分析、跨模态处理等功能，适用于电商、短视频、影视创作等场景，提升企业生产力与创作效率。关键词：飞书多维表格、DeepSeek R1、AI 自动化、批量处理、企业协同工具。

下拉加载更多