Newest papers

Scaling Vision Foundation Models for Toxicologic Pathology

Jessica Loo, Theodoros Pissas, Byunghak Kang, Vincent A. Ella, Xiaoyan Zhang, Kevin Sweeney, Walter Georgescu, Prateek Katiyar, Julie Boisclair, Holger Hoefling · 2026 · arXiv (Cornell University)

DOI: 10.48550/arxiv.2610.26586 · cited by 0 works (OpenAlex) · open-access PDF

Korean

여기서, 우리는 6 년 동안 14,000 개 이상의 독성 연구에서 6 종류의 6 개 이상의 기관으로 구성된 1 백만 개 이상의 전체 슬라이드 이미지를 포함하는 대규모 다양한 히스토 병리학 데이터 세트에서 훈련받은 비 임상 PFM의 가족 TOX-FM을 소개합니다. 우리는 18 개의 비 임상 후속 과제의 포괄적 인 벤치마크를 소개하고, 9 개의 임상 후속 과제의 확립 된 벤치마크를 포함하고, 비 임상 및 임상 영역 모두에서 최첨단 임상 PFM에 대하여 TOX-FM를 평가합니다.

Machine translation (Meta M2M100); the English original follows.

Abstract

Here, we present TOX-FM, a family of non-clinical PFMs trained on large-scale diverse histopathology datasets of over one million whole slide images consisting of over 60 organs across six animal species from over 14,000 toxicology studies across six decades. We introduce a comprehensive benchmark of 18 non-clinical downstream tasks, incorporate an established benchmark of 9 clinical downstream tasks, and evaluate TOX-FM against state-of-the-art clinical PFMs across both non-clinical and clinical domains. Notably, we explore open questions surrounding domain-specific training and cross-domain generalization, offering insights into the opportunities and challenges of applying PFMs in the non-clinical domain.

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Topics: Benchmark (surveying), Foundation (evidence), Computer science, Downstream (manufacturing), Engineering, Medical physics

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange