利用空间依赖性中的标签无关正则化进行全切片图像分析
计算机视觉与模式识别
2026-02-26 v1
摘要
全切片图像因其巨大的组织样本全景图而至关重要，用于精确疾病诊断。然而，其分析受限于巨大的数据规模和稀缺的标注。现有的多实例学习(MIL)方法面临基本性不平衡问题，即单个包级标签必须指导大量切片级特征的学习。这种稀疏监督使得在训练期间可靠识别判别性切片困难，导致优化不稳定和次优解。我们提出一种空间正则化MIL框架，利用切片特征之间固有的空间关系作为标签无关的正则化信号。我们的 метод通过联合优化特征引导的空间重构和标签引导的分类目标，学习共享表示空间，强制内在结构模式与监督信号之间的一致性。在多个公开数据集上的实验结果表明，显著优于当前最先进的方法，为该领域提供了有前景的方向。
引用
@article{arxiv.2602.19487,
title = {Exploiting Label-Independent Regularization from Spatial Dependencies for Whole Slide Image Analysis},
author = {Weiyi Wu and Xinwen Xu and Chongyang Gao and Xingjian Diao and Siting Li and Jiang Gui},
journal= {arXiv preprint arXiv:2602.19487},
year = {2026}
}