ECCV2024革新病理学：DGR-MIL多样性学习如何助力癌症诊断

文章预览

↑ 点击 蓝字  关注极市平台 编辑丨极市平台 极市导读   本文 提出了一种基于多元全局表示（DGR-MIL）的新型MIL聚合方法，所提出的模型在 CAMELYON-16 和 TCGA-肺癌数据集上大大优于最先进的 MIL 聚合模型。   >> 加入极市CV技术交流群，走在计算机视觉的最前沿 Paper Link: https://arxiv.org/pdf/2407.03575 Github: https://github.com/ChongQingNoSubway/DGR-MIL 引言 在现代医学中，精确诊断癌症已成为提高患者生存率的关键。全片图像（WSI）技术因其能详细展现组织的微观结构而成为病理学诊断的重要工具。然而，WSI的高分辨率和庞大数据量给自动化处理带来了巨大挑战。多实例学习（MIL）作为一种弱监督学习方法，在处理此类图像数据中显示出独特优势。传统的MIL方法虽然在某些领域表现出色，但在处理WSI时常常忽视了实例之间的多样性。在开发DGR-MIL模型的过程中，主要 ………………………………