.png){kind=icon}
返回
Exploring multi-instance learning in whole slide imaging: Current and future perspectives
.png){kind=icon}
PRE
AI
DOI：10.1016/j.prp.2025.156006.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
全视野图像（WSI），由于其千兆字节级大小和超高分辨率，在诊断病理学中发挥着重要作用。然而，巨大的数据量使得这些图像难以直接输入图像处理单元（GPU）进行计算，从而限制了自动化筛查和诊断算法的发展。作为有效的计算框架，多实例学习（MIL）为应对这一挑战提供了有力支持。本综述系统总结了基于Web of Science、IEEE Xplore和PubMed检索的90余篇文献中MIL在WSI分析领域的研究进展与应用。文中简要概述了其在处理全视野图像方面的独特优势及具体改进，并重点分析了主流技术在癌症检测和亚型分类等任务中的核心特征与性能表现。结果表明，数据预处理、多尺度特征融合、代表性实例选择以及基于Transformer的模型等方法显著提升了MIL在WSI处理中的能力。此外，本文还总结了不同技术的特点，并提出了未来研究方向，以推动MIL在病理诊断中的广泛应用。
Keyword:
Deep learning
Multi-instance learning(MIL)
MIL applications
Whole slide image
期刊
P
IF:
3.2
论文数:
605
被引数:
9.8K
机构
引用论文
MS-CLAM: Mixed supervision for the classification and localization of tumors in Whole Slide ImagesMs-clam: 在整个幻灯片图像中对肿瘤进行分类和定位的混合监督.png)
MEDICAL IMAGE ANALYSIS
OAAI
MEDICAL IMAGE ANALYSISIF11.8
OAAI分享收藏Rethinking Multiple Instance Learning for Whole Slide Image Classification: A Bag-Level Classifier is a Good Instance-Level Teacher重新思考整个幻灯片图像分类的多实例学习: 袋级分类器是一个很好的实例级老师OAAI
OAAI分享收藏Attention-Challenging Multiple Instance Learning for Whole Slide Image Classification注意力挑战的多实例学习方法用于全切片图像分类
PREAI
分享收藏Attention2Minority: A salient instance inference-based multiple instance learning for classifying small lesions in whole slide imagesAttendion2minority: 基于显着实例推理的多实例学习，用于对整个幻灯片图像中的小病变进行分类
OAAI
OAAI分享收藏A novel deep learning-based algorithm combining histopathological features with tissue areas to predict colorectal cancer survival from whole-slide images一种新的基于深度学习的算法，结合组织病理学特征和组织区域，从全切片图像预测结直肠癌的生存OAAI
OAAI分享收藏MixUp-MIL: Novel Data Augmentation for Multiple Instance Learning and a Study on Thyroid Cancer DiagnosisMixUp-MIL：用于多重实例学习的新型数据增强方法及甲状腺癌诊断研究
PREAI
分享收藏A Concept of Unbiased Deep Deterministic Policy Gradient for Better Convergence in Bipedal Walker一种无偏深度确定性策略梯度概念，以改善双足步行者的收敛性
PREAI
分享收藏
查看更多内容