Prov-GigaPath

Prov-GigaPath是一個用於數位病理學研究的全切片基礎模型，透過真實世界資料進行訓練，旨在支援AI 研究人員在病理學基礎模型和數位病理幻燈片資料編碼方面的研究。此模型由多位作者共同開發，並在Nature 期刊上發表。它不適用於臨床護理或任何臨床決策目的，僅限於研究使用。

目標受眾為AI 研究人員和數位病理學領域的學者，他們需要一個強大的模型來分析和理解大量的病理學數據，以推動醫學研究和診斷技術的發展。

使用場景範例：

研究人員使用Prov-GigaPath模型分析病理學數據，發表在Nature 期刊上。

醫學院校利用此模型進行教學和研究，以提高學生對數位病理學的理解。

醫院研究人員使用該模型進行病理幻燈片的自動化分析，加快研究進程。

產品特色：

支援在NVIDIA A100 Tensor Core GPU 機器上運作。

提供預先訓練模型和程式碼的下載。

能夠存取HuggingFace Hub 上的Prov-GigaPath模型。

包含tile encoder 和slide encoder，分別用於擷取局部模式和輸出幻燈片層級表示。

提供詳細的示範筆記本，展示如何運行預訓練模型。

提供PCam 和PANDA 資料集的預先擷取嵌入，方便進行微調實驗。

提供樣本數據下載鏈接，用於進一步的研究和分析。

使用教學：

下載並安裝所需的CUDA 工具包和Python 環境。

從GitHub 倉庫下載Prov-GigaPath模型和程式碼。

造訪HuggingFace Hub 並同意相關條款，以取得模型存取權限。

按照提供的指南設定環境變量，以避免存取錯誤。

運行提供的演示筆記本，以了解模型的基本使用方法。

使用tile encoder 和slide encoder 進行資料的擷取和編碼。

根據需要對模型進行微調，以適應特定的研究目的。

下載並使用提供的樣本數據進行進一步的分析和研究。