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

gitkitten

于 2020-07-06 12:03:27 发布

阅读量772

点赞数 2

分类专栏：论文笔记文章标签：人工智能机器学习

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.youkuaiyun.com/gitcat/article/details/107080057

版权

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。
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

GAN的generator和VAE的decoder是一个东西。VAE-GAN对于VAE而言࿰

最低0.47元/天解锁文章

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

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。