【论文笔记】CVPR2020 Predicting Lymph Node Metastasis Using Histopathological Images Based on Multiple Ins

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。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

今年cvpr为什么这么多medical方向的文章,学习了新知识:multi-instance learning
在这里插入图片描述

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。 在这里插入图片描述
  • 由于没有instance-level label,作者用self-supervised的方法来学每个patch的feature。

Methods

在这里插入图片描述

  • Instance-level Feature Extraction: VAE-GAN
    在这里插入图片描述
    GAN的generator和VAE的decoder是一个东西。VAE-GAN对于VAE而言࿰

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值