ASMIL：面向全切片组织学图像的注意力稳定型多实例学习
计算机视觉与模式识别
2026-03-10 v1
摘要
注意力机制多实例学习（MIL）已成为全切片组织学图像（WSI）诊断的强大框架，利用注意力机制对实例级特征进行聚合以生成包级别预测。尽管如此，我们发现此类方法存在新的失效模式：注意力动态不稳定。在四种代表性注意力-based MIL 方法和两个公开 WSI 数据集上，我们观察到注意力分布在不同 epoch 之间呈现振荡，未收敛至一致模式，导致性能下降。这种不稳定性加剧了两个先前报告的挑战：过拟合和注意力分布过度集中。为同时克服这三重限制，我们引入注意力稳定型多实例学习（ASMIL），一个新型统一框架。ASMIL 使用锚模模型稳定注意力，将 softmax 替换为归一化 sigmoid 函数以防止过度集中，并应用 token 随机丢弃以缓解过拟合。大量实验表明，ASMIL 在 state-of-the-art 方法上实现了最高可达 6.49% 的 F1 分数提升。此外，将锚模模型和归一化 sigmoid 集成到现有注意力-based MIL 方法中，能一致提升其性能，F1 分数提升最高可达 10.73%。所有代码和数据均公开于 https://github.com/Linfeng-Ye/ASMIL。
引用
@article{arxiv.2603.06658,
title = {ASMIL: Attention-Stabilized Multiple Instance Learning for Whole Slide Imaging},
author = {Linfeng Ye and Shayan Mohajer Hamidi and Zhixiang Chi and Guang Li and Mert Pilanci and Takahiro Ogawa and Miki Haseyama and Konstantinos N. Plataniotis},
journal= {arXiv preprint arXiv:2603.06658},
year = {2026}
}
备注
39 pages, 26 figures