MUL-T提出一种轻量级Transformer，将多重组织成像中的细胞表示为离散token，并通过掩码上下文预测学习无任务监督的[CLS]嵌入，以捕捉高阶细胞相互作用。摘要称其在肿瘤模式分类、分级、PD-L1阳性预测和跨数据集治疗反应预测中优于传统特征方法，效果接近基础ViT但参数和训练成本更低。
最近 24 小时暂无可用热度快照。