基于优先级的临床病理层次结构多实例学习训练方法
计算机视觉与模式识别
2025-08-01 v2
摘要
多实例学习（MIL）日益被用于临床环境中的病理诊断决策，取得高性能，同时消除了标注负担。然而，现有的临床MIL方法未充分解决与病理症状和诊断类别相关的优先级问题，导致MIL模型忽略类别之间的优先级。为克服此临床MIL的局限性，本文提出了一种新方法，通过两种层次结构（垂直Inter-hierarchy和水平Intra-hierarchy）来解决优先级问题。该方法在每个层次结构水平上对MIL预测进行对齐，并在训练期间利用隐式特征复用，以促进同一层次上更临床上严重的类别。使用真实世界患者数据进行的实验表明，所提方法有效减少误诊，同时在多类别场景中优先处理更重要的症状。进一步分析验证了所提组件的有效性，并定性地确认了MIL预测与具有挑战性的多症状病例的一致性。
引用
@article{arxiv.2507.20469,
title = {Priority-Aware Clinical Pathology Hierarchy Training for Multiple Instance Learning},
author = {Sungrae Hong and Kyungeun Kim and Juhyeon Kim and Sol Lee and Jisu Shin and Chanjae Song and Mun Yong Yi},
journal= {arXiv preprint arXiv:2507.20469},
year = {2025}
}
备注
10 pages, 4 figures, Accepted for oral presentation by The 2nd MICCAI Student Board (MSB) EMERGE Workshop