本研究提出了一种名为Meta-Encoder的新型框架，旨在通过整合多个病理学基础模型的特征，为复杂的计算病理学下游任务提供更全面的表征。该框架无需集中式数据共享即可实现特征融合，有效解决了病理学AI领域的数据隐私与物流挑战。Meta-Encoder显著提升了高复杂度任务（如高维基因表达预测）的准确性，并在中等复杂度任务中增强了鲁棒性与精确度。发表于 2025年06月09日
原文链接：https://x.com/BiologyAIDaily/status/1932054492457111958
学术研究 | Features fusion or not: harnessing multiple pathological foundation models using Meta-Encoder for downstream tasks fine-tuning
Comments NOTHING