从注意力偏差到精准预测，FocusMIL 改进滑片级全切图像分类 ！

文章预览

点击下方卡片，关注 「AI视界引擎」 公众号 ( 添加时备注：方向+学校/公司+昵称/姓名 ) 尽管基于注意力的多实例学习算法在滑片级全切图像（WSI）分类任务上取得了显著的性能，但它们往往错误地将注意力聚焦在不相关的模式上，如染色条件和 tissue 形态，导致错误的 Patch 级预测和不稳定的解释性。 此外，这些基于注意力的 MIL 算法倾向于关注显着实例，并难以识别难以分类的实例。在这篇论文中，作者首先证明了基于注意力的 WSI 分类方法不符合标准的多实例学习假设。从标准的多实例学习假设中，作者提出了一种惊人的简单且有效的基于最大池化和前向混合变分推理的实例 MIL 方法，用于 WSI 分类(FocusMIL)。 作者认为，将标准多实例学习假设与变分推理相结合，可以鼓励模型关注肿瘤形态而不是伪相关性。作者的实验评估表明，FocusMIL 在 Camelyon ………………………………