Исследователи представляют ALICE, унифицированную базовую модель для вычислительной патологии, обученную посредством многоэтапной агломеративной дистилляции. Модель последовательно консолидирует возможности восьми специализированных моделей-учителей в единое ядро.
- Обучена на 24 985 184 изображениях патологий уровня тайлов и 155 604 высококачественных изображениях.
- Протестирована в 21 сценарии задачи, 96 задачах нижнего уровня и 48 источниках данных.
- Достигла наилучшего среднего ранга среди моделей-оснований вычислительной патологии, соответствующих задачам, во всех трех настройках оценки.
Результаты демонстрируют, что агломеративная дистилляция может консолидировать дополнительные возможности специализированных моделей в единое ядро для широкого применения в вычислительной патологии.