懂AI
Virchow2

Virchow2

基于神经网络的病理切片图像分析与特征提取模型

Virchow2是一个专门用于病理切片分析的深度学习模型，通过310万张医学图像训练而成。模型能够自动分析不同放大倍率的病理图像，提取关键特征信息，为计算病理学研究提供基础支持。其采用先进的视觉转换器架构，具备强大的图像处理能力。目前仅向学术研究机构开放使用，需要通过机构邮箱认证。

图像识别PyTorchVirchow2深度学习模型Github开源项目病理学Huggingface
GitHubHugging Face论文文档

Virchow2项目介绍

项目概述

Virchow2是一个由Paige和微软研究院联合开发的自监督视觉Transformer模型。该模型经过了310万张全切片组织病理学图像的预训练，可以作为图块级特征提取器使用，在各种计算病理学下游任务中实现了最先进的性能。

模型架构

Virchow2采用了ViT-H/14的架构，具有以下特点：

  • 参数量：6.32亿
  • 输入图像尺寸：224 x 224
  • 图像块大小：14 x 14
  • 网络层数：32
  • 嵌入维度：1280
  • 激活函数：SwiGLU
  • 注意力头数：16
  • 使用LayerScale
  • 包含4个寄存器令牌

训练细节

  • 使用混合精度训练（fp16）
  • 基于DINOv2的改进目标函数：
    • 用核密度估计器替代KoLeo正则化器
    • 用扩展上下文平移替代裁剪-调整大小增强

预训练数据集

预训练数据集包含来自Memorial Sloan Kettering Cancer Center的310万张全切片图像，以2.0、1.0、0.5和0.25微米/像素分辨率（对应5x、10x、20x和40x放大倍数）采样图块。

使用方法

Virchow2可以作为冻结特征提取器使用，为图块级和全切片级分类器提供基础。用户需要先在Hugging Face上登录并获得访问权限，然后可以通过PyTorch和timm库加载模型。模型输出可以用于获取图像嵌入表示。

下游应用

除了直接使用外，Virchow2还可以针对特定任务或数据集进行微调，以适应不同的应用场景。

使用条件

Virchow2模型采用CC-BY-NC-ND 4.0许可证发布，仅允许用于非商业性学术研究目的，并需要适当引用。商业用途、销售或其他变现行为都是禁止的，需要事先获得批准。使用该模型时，用户需要同意一系列条款，包括不将其用于诊断、治疗疾病，不重新识别用于开发模型的去识别数据，不违反法律或他人权利等。

项目意义

Virchow2为计算病理学领域提供了一个强大的预训练模型，可以显著提高各种下游任务的性能。它的开发为组织病理学图像分析带来了新的可能性，有望推动医学研究和诊断技术的进步。然而，需要注意的是，该模型仅用于研究目的，不能直接用于实际患者的诊断或疾病预测。

研究人员在使用Virchow2时，应该充分理解并遵守使用条款，合理利用这一强大工具来推动学术研究的发展。

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