본 논문은 컴퓨터 병리학에서 암 진단을 위한 소량 학습(few-shot learning) 문제를 해결하는 새로운 프레임워크인 FOCUS를 제안합니다. 기존 소량 학습 방식의 한계점인 제한된 훈련 데이터와 방대한 패치 수, 그리고 진단에 중요하지 않은 패치로 인한 성능 저하 문제를 해결하기 위해, 병리학 기반 모델(FM)과 언어 사전 지식을 결합한 3단계 압축 전략을 제시합니다. 먼저 FM을 이용하여 시각적 중복성을 제거하고, 압축된 특징과 언어 프롬프트를 통합하여 의미적 관련성을 평가합니다. 마지막으로, 공간적 일관성을 유지하면서 이웃 정보를 고려하여 시각적 토큰을 필터링합니다. 유방암, 폐암, 난소암 데이터셋을 이용한 실험 결과, 제안된 방법이 기존 방법보다 우수한 성능을 보임을 확인했습니다. 소스 코드는 깃허브에 공개되어 있습니다.
