.png){kind=icon}
返回
Interactive Multiple Instance Learning Network for Whole Slide Image Analysis
.png){kind=icon}
PRE
AI
DOI：10.1016/j.eswa.2025.129338.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 介绍了用于全切片图像（WSI）分类的iMIL（交互式多实例学习），该技术能够整合视觉模式和临床文本信息
• iMIL能够更好地处理弱监督场景，提升识别诊断关键区域的能力，并有效整合多模态信息
• 本文通过结合多种创新方法，在全切片图像分析领域取得了显著进展，并展示了相较于现有方法的明显性能提升
Keyword:
iMIL
Whole Slide Image
weak supervision
multi-modal integration
diagnostic regions
期刊
IF:
7.5
论文数:
3.0W
被引数:
10.2W
机构
引用论文
Clinical-grade computational pathology using weakly supervised deep learning on whole slide images在整个幻灯片图像上使用弱监督深度学习的临床级计算病理学.png)
NATURE MEDICINE
OAAI
NATURE MEDICINEIF50
OAAI分享收藏Data-efficient and weakly supervised computational pathology on whole-slide images全载玻片图像上的数据高效和弱监督计算病理学OAAI
OAAI分享收藏SD-MIL: Multiple instance learning with dual perception of scale and distance information fusion for whole slide image classificationSD-MIL: 基于尺度与距离信息融合的双重感知多示例学习用于全切片图像分类
PREAI
分享收藏Pseudo-Bag Mixup Augmentation for Multiple Instance Learning-Based Whole Slide Image Classification基于多示例学习的全幻灯片图像分类伪袋混合增强
OAAI
OAAI分享收藏分享收藏HAL-IA: A Hybrid Active Learning framework using Interactive Annotation for medicalMEDICAL IMAGE ANALYSIS
MEDICAL IMAGE ANALYSISIF11.8
PREAI
分享收藏Deep Adversarial Training for Multi-Organ Nuclei Segmentation in Histopathology Images组织病理学图像中多器官细胞核分割的深度对抗训练OAAI
OAAI分享收藏
查看更多内容