懂AI
UNI

UNI

病理学AI基础模型助力精准医疗诊断

UNI是一个基于1亿张病理图像预训练的视觉编码器,为病理学AI诊断提供了强大的基础模型。它在34项临床任务中展现出卓越性能,特别是在罕见和代表性不足的癌症类型诊断上。UNI不使用公开数据集进行预训练,有助于研究人员在避免数据污染的前提下构建和评估病理AI模型。该模型遵循CC-BY-NC-ND 4.0许可证,仅限非商业学术研究使用。

图像处理Huggingface模型深度学习视觉编码器Github开源项目UNI病理学
访问官网GitHubHugging Face论文文档

UNI项目介绍

UNI是一个为组织病理学开发的最大的预训练视觉编码器,它基于1亿张图像和10万张全幻灯片(WSI)进行训练。该项目由哈佛大学/布里格姆妇女医院的Mahmood实验室AI病理学团队开发。UNI在34个临床任务中展现了最先进的性能,特别是在罕见和代表性不足的癌症类型方面表现出色。

项目背景与意义

UNI的独特之处在于它没有使用开放数据集和大型公共组织学幻灯片集合(如TCGA、CPTAC、PAIP、CAMELYON、PANDA等)进行预训练。这些数据集通常用于计算病理学中的基准开发。UNI的这一特点使研究人员能够在构建和评估病理AI模型时,避免公共基准或私人组织病理学幻灯片集合的数据污染风险。

模型描述

UNI是一个预训练的视觉主干网络,基于ViT-L/16架构(通过DINOv2),用于组织病理学图像的多用途评估。该模型的主要特点包括:

  • 模型类型:预训练视觉主干网络(ViT-L/16,通过DINOv2)
  • 预训练数据集:Mass-100K,源自私人组织学收藏(BWH / MGH),以及来自公共GTEx联盟的幻灯片
  • 许可证:CC-BY-NC-ND-4.0

使用方法

UNI可以通过两种主要方式使用:

  1. 特征提取:使用预训练的UNI编码器从组织病理学ROI中提取特征。

  2. 下游任务:

    • ROI分类:使用逻辑回归、k最近邻(k-NN)或最近质心分类器。
    • ROI检索:使用最近邻分类器。
    • 幻灯片分类:使用多实例学习(MIL)分类器。
    • 微调:推荐用于分割任务,可使用专门的框架如ViTDet或ViT-Adapter。

训练细节

  • 训练数据:Mass-100K数据集,包含约1亿张来自100,402张H&E WSI的组织学图像。
  • 训练目标:使用DINOv2自监督学习配方,包括DINO自蒸馏损失、iBOT掩码图像建模损失和KoLeo正则化。
  • 模型架构:ViT-Large(3亿参数),补丁大小16,嵌入维度1024,16个头,MLP FFN。
  • 硬件:4x8 Nvidia A100 80GB GPU。
  • 训练时长:约1024 GPU小时。

许可和使用条款

UNI模型及相关代码根据CC-BY-NC-ND 4.0许可发布,仅可用于非商业性学术研究目的,并需要适当归属。禁止任何商业使用、销售或其他货币化行为。使用模型需要在Hugging Face上注册并同意使用条款。用户同意不分发、发布或复制模型副本。

结语

UNI项目为组织病理学研究提供了一个强大的预训练视觉编码器,有望推动该领域的进一步发展。研究人员可以利用UNI进行各种下游任务,如ROI分类、幻灯片分类和分割等。然而,使用者需要严格遵守许可和使用条款,确保模型仅用于非商业性学术研究目的。

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