(WSI分类)WSI分类文献小综述 2024

2024的WSI分类。

Multiple Instance Learning Framework with Masked Hard Instance Mining for Whole Slide Image Classification (ICCV2024)

由于阳性组织只占 Gi- gapixel WSI 的一小部分,因此现有的 MIL 方法直观上侧重于通过注意力机制识别突出实例。然而,这会导致偏向于易于分类的实例,而忽略难以分类的实例。一些文献显示,难以分类的实例有利于准确地建立判别边界模型。通过在实例层面应用这种想法,我们详细阐述了一种新型的 MIL 框架,该框架采用带有一致性约束的连体结构(教师-学生)来挖掘潜在的硬实例(MHIM-MIL)。MHIM-MIL 采用基于注意力分数的多种实例掩蔽策略,利用一个模数教师来隐式挖掘硬实例,用于训练学生模型,而学生模型可以是任何基于注意力的 MIL 模型。

Feature Re-Embedding: Towards Foundation Model-Level Performance in Computational Pathology (CVPR 2024)

多实例学习(MIL)是计算病理学中应用最广泛的框架,包括亚型、诊断、预后等。然而,当前的 MIL 范例通常需要离线实例特征提取器,如预训练的 ResNet 或查找模型。这种方法缺乏在特定下游任务中对特征进行微调的能力,从而限制了其适应性和性能。为解决这一问题,我们提出了一种重新嵌入区域转换器(Re-embedded Regional Transformer,R2T),用于在线重新嵌入实例特征,它可以捕捉细粒度的局部特征,并在不同区域之间建立连接。与现有的专注于预先训练功能强大的特征提取器或设计复杂的实例聚合器的工作不同,R2T 专门用于在线重新嵌入实例特征

MambaMIL: Enhancing Long Sequence Modeling with Sequence Reordering in Computational Pathology(arivx 2024)

Mamba做的,不做评价。

MamMIL: Multiple Instance Learning for Whole Slide Images with State Space Models (arivx 2024)

Mamba+TransMIL的魔改,不做评价,列出来仅仅是因为用的是比较火的Mamba。实验做得不太能让人信服。

待更新。。。

相关推荐
suke6 分钟前
一文秒懂AI核心:Agent、RAG、Function Call与MCP全解析
人工智能·程序员
oil欧哟10 分钟前
😎 MCP 从开发到发布全流程介绍,看完不踩坑!
人工智能·typescript·node.js
学习2年半16 分钟前
53. 最大子数组和
算法
Code_流苏41 分钟前
AI知识补全(十四):零样本学习与少样本学习是什么?
人工智能·元学习·少样本学习·零样本学习·语义嵌入
Yvette-W44 分钟前
ChatGPT 迎来 4o模型:更强大的图像生成能力与潜在风险
人工智能·chatgpt
Shockang44 分钟前
机器学习的一百个概念(5)数据增强
人工智能·机器学习
洁洁!1 小时前
数据采集助力AI大模型训练
前端·人工智能·easyui
平平无奇科研小天才1 小时前
scGPT环境安装
人工智能
君义_noip1 小时前
信息学奥赛一本通 1524:旅游航道
c++·算法·图论·信息学奥赛