연구진이 병리 조직학 이미지에서 세포 분할, 특징 추출, 임상 보고를 통합하는 SegTME-UNI2 프레임워크를 공개했어요.
UNI2-UPERHOVER 모델은 100만 장 이상의 슬라이드에서 추출한 1억 개 이상의 타일로 사전 훈련된 ViT-Giant 기반으로, 6개 클래스 의미론적 분할과 핵 분리를 위한 수평-수직 경사 회귀를 수행해요.
연구팀은 3단계 점진적 의사 라벨 커리큘럼을 통해 픽셀 단위 주석 부족 문제를 해결했으며, PanNuke, TCGA-UT 데이터셋을 활용해 모델을 학습했어요.