用于 whole-slide 图像分析的多尺度线性时间编码器
计算机视觉与模式识别
2026-02-04 v1 人工智能
机器学习
组织与器官
摘要
我们引入了多尺度自适应循环生物医学线性时间编码器（MARBLE），这是首个纯粹基于 Mamba 的多状态多实例学习（MIL）框架，用于 whole-slide 图像（WSI）分析。MARBLE 并行处理多个放大倍率，并在线性时间状态空间模型中整合细粒度推理，高效地以最小参数开销捕获跨尺度依赖。WSI 分析由于Gigapixel 分辨率和层次化放大倍率而具有挑战性，而现有MIL方法通常仅在单一尺度上工作，基于Transformer的方法则受制于二次注意力成本。通过将并行多尺度处理与线性时间序列建模相耦合，MARBLE 提供了一个可扩展且模块化的替代方案，以克服基于注意力的架构。在五个公开数据集上的实验表明，MARBLE 在 AUC 上提升了最高可达**6.9%**，在准确率上提升了**20.3%**，在 C-index 上提升了**2.3%**，使其成为多尺度 WSI 分析的高效且通用框架。
关键词
引用
@article{arxiv.2602.02918,
title = {A Multi-scale Linear-time Encoder for Whole-Slide Image Analysis},
author = {Jagan Mohan Reddy Dwarampudi and Joshua Wong and Hien Van Nguyen and Tania Banerjee},
journal= {arXiv preprint arXiv:2602.02918},
year = {2026}
}
备注
Accepted to ISBI 2026, 4 pages with 2 figures