ProtoDiv：用于全切片图像分类的基于原型引导的一致伪包划分
计算机视觉与模式识别
2024-04-23 v1
摘要
由于具有弱标签的全切片图像(WSI)样本不足的限制，基于伪包的多实例学习(MIL)在 WSI 分类中展现出蓬勃前景。然而，伪包划分方案——通常对分类性能至关重要——仍是一个值得探索的开放课题。因此，本文提出一种新颖方案 ProtoDiv，利用包原型引导 WSI 伪包的划分。该方案不设计复杂网络架构，而是采取即插即用方式，在保持样本一致性的同时安全地扩充 WSI 数据以进行有效训练。此外，我们专门设计了一种基于注意力的原型，可在训练中动态优化以适配分类任务。我们将 ProtoDiv 方案应用于七个基线模型，并在两个公开 WSI 数据集上开展了一组对比实验。实验证实，我们的 ProtoDiv 通常能为 WSI 分类带来明显的性能提升。
引用
@article{arxiv.2304.06652,
title = {ProtoDiv: Prototype-guided Division of Consistent Pseudo-bags for Whole-slide Image Classification},
author = {Rui Yang and Pei Liu and Luping Ji},
journal= {arXiv preprint arXiv:2304.06652},
year = {2024}
}
备注
12 pages, 5 figures, and 3 tables