全切片图像分析中多重实例学习的进展：技术、挑战与未来方向
计算机视觉与模式识别
2024-08-20 v1 机器学习
摘要
全切片图像（WSIs）是广泛用于病理学的H&E染色组织样本的十亿像素级数字图像。WSIs的庞大尺寸和复杂性带来了独特的分析挑战。多重实例学习（MIL）已成为应对这些挑战的强大方法，特别是在癌症分类和检测方面。本综述全面概述了将MIL应用于WSI分析所面临的挑战和方法，包括注意力机制、伪标签、Transformer、池化函数和图神经网络。此外，它探讨了MIL在发现癌细胞形态、构建可解释机器学习模型和量化癌症分级方面的潜力。通过总结MIL在WSI分析中的当前挑战、方法和潜在应用，本综述旨在让研究人员了解该领域的现状并激发未来的研究方向。
引用
@article{arxiv.2408.09476,
title = {Advances in Multiple Instance Learning for Whole Slide Image Analysis: Techniques, Challenges, and Future Directions},
author = {Jun Wang and Yu Mao and Nan Guan and Chun Jason Xue},
journal= {arXiv preprint arXiv:2408.09476},
year = {2024}
}