基于空间感知关联的多实例学习：用于组织学全切片图像分类的 SAC-MIL
计算机视觉与模式识别
2025-09-05 v1 人工智能
摘要
我们提出了空间感知关联多实例学习（SAC-MIL）用于完成全切片图像（WSI）分类。SAC-MIL 包括一个位置编码模块，用于编码位置信息，以及一个 SAC 模块用于执行完整实例关联。位置编码模块利用切片内的实例坐标来编码空间关系，而非输入 WSI 序列中的实例索引。位置编码模块还能处理训练和测试序列长度不同的问题。SAC 模块是一种基于多层感知器（MLP）的方法，能够以序列长度的线性时间复杂度完成完整实例关联。由于 MLP 的简单结构，它无需自定义 CUDA 内核即可部署，与用于 WSI 分类的 Transformer 方法相比更为便捷。SAC-MIL 在 CAMELYON-16、TCGA-LUNG 和 TCGA-BRAC 数据集上实现了最先进的性能。接受录取后将发布代码。
引用
@article{arxiv.2509.03973,
title = {SAC-MIL: Spatial-Aware Correlated Multiple Instance Learning for Histopathology Whole Slide Image Classification},
author = {Yu Bai and Zitong Yu and Haowen Tian and Xijing Wang and Shuo Yan and Lin Wang and Honglin Li and Xitong Ling and Bo Zhang and Zheng Zhang and Wufan Wang and Hui Gao and Xiangyang Gong and Wendong Wang},
journal= {arXiv preprint arXiv:2509.03973},
year = {2025}
}