今年cvpr为什么这么多medical方向的文章,学习了新知识:multi-instance learning

Contribution
- 作者解决了Predicting Lymph Node Metastasis Using Histopathological Images,由于whole slide images都太大了,所以提出了把大图分成patch来做multi-instance learning的想法。

- 由于没有instance-level label,作者用self-supervised的方法来学每个patch的feature。
Methods

-
Instance-level Feature Extraction: VAE-GAN

GAN的generator和VAE的decoder是一个东西。VAE-GAN对于VAE而言,把reconstruction loss做在discriminator某层的feature上的差别,而且不是

这篇论文探讨了使用多实例学习预测淋巴结转移,针对全切片图像大小问题,提出将大图切割成patch进行学习。作者通过self-supervised方法学习每个patch的特征,利用VAE-GAN提取实例级特征,并通过特征选择确定有用的特征。最终,通过谱图卷积和全连接层进行袋级分类,取得了良好的结果。
最低0.47元/天 解锁文章
701

被折叠的 条评论
为什么被折叠?



