准确检测淋巴结微转移是甲状腺癌管理中的关键，但由于其微小的尺寸和有限的标注数据，仍然面临挑战。我们提出了MTFuse，这是一种基于元学习的双尺度变压器框架，集成了成对的10×和4×图块，以同时捕捉细胞细节和组织背景。在甲状腺癌微转移数据集上进行评估，MTFuse在微转移检测中达到了98.46%的AUC、93.63%的加权召回率和93.77%的加权精度，优于所有最先进的卷积神经网络和变压器基线。它在大转移上也展现出强大的鲁棒性（AUC 99.51%），并且在0-shot设置下有效推广至孤立肿瘤细胞（AUC 93.36%）和孤立的钙化小体（AUC 91.06%）。这些结果表明，MTFuse提供了一种高准确性和可解释的小病灶检测解决方案，为在数据有限的数字病理工作流中临床部署提供了强大的潜力。
刘等（周三）研究了这个问题。