TAN：形状自适应掩码卷积组织图编码器

2026年10月19日，arXiv Computer Vision 刊出 Jan Herschel、Anselm von Gladiss 提出的 TAN（Tissue-Aware Network）组织图编码器。报道称，TAN 是一种仅 0.41M 参数的紧凑卷积编码器，按超像素原始形状与范围处理，并在每一步操作中排除背景，因此其嵌入对填充值完全不变。在 BACH 数据集上，TAN 准确率为 81.1%，与 303M 参数的病理基础模型 UNI 的 80.7–82.6% 无显著差异；报道称其参数量少约 740 倍、FLOPs 少约 1,190 倍，且无需预训练。目前该事件仅有这一篇主报道，尚无后续跟进报道，上述性能对比与效率数据均来自该报道。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。