Buchumschlag

Foundation Models for Slide-level Cancer Subtyping in Digital Pathology

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Meseguer, Pablo, del Amor, Rocío, Colomer, Adrian, Naranjo, Valery
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Enhancing Whole Slide Image Classification through Supervised Contrastive Domain Adaptation
von: Carretero, Ilán, et al.
Veröffentlicht: (2024)

MI-VisionShot: Few-shot adaptation of vision-language models for slide-level classification of histopathological images
von: Meseguer, Pablo, et al.
Veröffentlicht: (2024)

Initialization matters in few-shot adaptation of vision-language models for histopathological image classification
von: Meseguer, Pablo, et al.
Veröffentlicht: (2026)

Benchmarking histopathology foundation models in a multi-center dataset for skin cancer subtyping
von: Meseguer, Pablo, et al.
Veröffentlicht: (2025)

Zero-shot segmentation of skin tumors in whole-slide images with vision-language foundation models
von: Moreno, Santiago, et al.
Veröffentlicht: (2025)

Attention to detail: inter-resolution knowledge distillation
von: del Amor, Rocío, et al.
Veröffentlicht: (2024)

Towards More Transparent and Accurate Cancer Diagnosis with an Unsupervised CAE Approach
von: Tabatabaei, Zahra, et al.
Veröffentlicht: (2023)

Uncertainty Awareness Enables Efficient Labeling for Cancer Subtyping in Digital Pathology
von: Sivaroopan, Nirhoshan, et al.
Veröffentlicht: (2025)

Boosting Pathology Foundation Models via Few-shot Prompt-tuning for Rare Cancer Subtyping
von: He, Dexuan, et al.
Veröffentlicht: (2025)

Can We Simplify Slide-level Fine-tuning of Pathology Foundation Models?
von: Li, Jiawen, et al.
Veröffentlicht: (2025)

Siamese Content-based Search Engine for a More Transparent Skin and Breast Cancer Diagnosis through Histological Imaging
von: Tabatabaei, Zahra, et al.
Veröffentlicht: (2024)

Exploring visual language models as a powerful tool in the diagnosis of Ewing Sarcoma
von: Pastor-Naranjo, Alvaro, et al.
Veröffentlicht: (2025)

Virchow: A Million-Slide Digital Pathology Foundation Model
von: Vorontsov, Eugene, et al.
Veröffentlicht: (2023)

Single GPU Task Adaptation of Pathology Foundation Models for Whole Slide Image Analysis
von: Kumar, Neeraj, et al.
Veröffentlicht: (2025)

Fusion of Multi-scale Heterogeneous Pathology Foundation Models for Whole Slide Image Analysis
von: Yang, Zhidong, et al.
Veröffentlicht: (2025)

The Importance of Downstream Networks in Digital Pathology Foundation Models
von: Bredell, Gustav, et al.
Veröffentlicht: (2023)

CAMIL: Context-Aware Multiple Instance Learning for Cancer Detection and Subtyping in Whole Slide Images
von: Fourkioti, Olga, et al.
Veröffentlicht: (2023)

ZeroSlide: Is Zero-Shot Classification Adequate for Lifelong Learning in Whole-Slide Image Analysis in the Era of Pathology Vision-Language Foundation Models?
von: Bui, Doanh C., et al.
Veröffentlicht: (2025)

Whole Slide Concepts: A Supervised Foundation Model For Pathological Images
von: Nicke, Till, et al.
Veröffentlicht: (2025)

Revisiting Automatic Data Curation for Vision Foundation Models in Digital Pathology
von: Chen, Boqi, et al.
Veröffentlicht: (2025)

Pathology Foundation Models
von: Ochi, Mieko, et al.
Veröffentlicht: (2024)

CPath-Omni: A Unified Multimodal Foundation Model for Patch and Whole Slide Image Analysis in Computational Pathology
von: Sun, Yuxuan, et al.
Veröffentlicht: (2024)

PathVQ: Reforming Computational Pathology Foundation Model for Whole Slide Image Analysis via Vector Quantization
von: Li, Honglin, et al.
Veröffentlicht: (2025)

Revisiting End-to-End Learning with Slide-level Supervision in Computational Pathology
von: Tang, Wenhao, et al.
Veröffentlicht: (2025)

PathoDuet: Foundation Models for Pathological Slide Analysis of H&E and IHC Stains
von: Hua, Shengyi, et al.
Veröffentlicht: (2023)

Comparing ImageNet Pre-training with Digital Pathology Foundation Models for Whole Slide Image-Based Survival Analysis
von: Papadopoulos, Kleanthis Marios, et al.
Veröffentlicht: (2024)

A Comprehensive Benchmark of Histopathology Foundation Models for Kidney Digital Pathology Images
von: Kasireddy, Harishwar Reddy, et al.
Veröffentlicht: (2026)

Classification and Morphological Analysis of DLBCL Subtypes in H\&E-Stained Slides
von: Gupta, Ravi Kant, et al.
Veröffentlicht: (2024)

CTIS-QA: Clinical Template-Informed Slide-level Question Answering for Pathology
von: Lu, Hao, et al.
Veröffentlicht: (2026)

Multimodal Whole Slide Foundation Model for Pathology
von: Ding, Tong, et al.
Veröffentlicht: (2024)

Benchmarking Pathology Foundation Models for Breast Cancer Survival Prediction
von: Gustafsson, Fredrik K., et al.
Veröffentlicht: (2026)

A Unified Low-level Foundation Model for Enhancing Pathology Image Quality
von: Liu, Ziyi, et al.
Veröffentlicht: (2025)

Unified Multi-Foundation-Model Slide Representation for Pan-Cancer Recognition and Text-Guided Tumor Localization
von: Wang, Tianyang, et al.
Veröffentlicht: (2026)

PLUTO-4: Frontier Pathology Foundation Models
von: Padigela, Harshith, et al.
Veröffentlicht: (2025)

Genomics-guided Representation Learning for Pathologic Pan-cancer Tumor Microenvironment Subtype Prediction
von: Meng, Fangliangzi, et al.
Veröffentlicht: (2024)

Pathological Prior-Guided Multiple Instance Learning For Mitigating Catastrophic Forgetting in Breast Cancer Whole Slide Image Classification
von: Zheng, Weixi, et al.
Veröffentlicht: (2025)

ModalTune: Fine-Tuning Slide-Level Foundation Models with Multi-Modal Information for Multi-task Learning in Digital Pathology
von: Ramanathan, Vishwesh, et al.
Veröffentlicht: (2025)

Clinical-grade Multi-Organ Pathology Report Generation for Multi-scale Whole Slide Images via a Semantically Guided Medical Text Foundation Model
von: Tan, Jing Wei, et al.
Veröffentlicht: (2024)

Benchmarking Pathology Foundation Models: Adaptation Strategies and Scenarios
von: Lee, Jeaung, et al.
Veröffentlicht: (2024)

Unsupervised Foundation Model-Agnostic Slide-Level Representation Learning
von: Lenz, Tim, et al.
Veröffentlicht: (2024)