61、数字组织病理学中的深度多实例学习与生成对抗网络

数字组织病理学中的深度多实例学习与生成对抗网络

1. 深度多实例学习在癌症数据集上的应用

1.1 结肠癌数据集实验

在结肠癌数据集的实验中，研究人员进行了多次实验并记录了平均结果。实验提取了 27×27 像素的图像块，若一个图像块集合中包含一个或多个上皮类细胞核，则该集合被标记为正样本。主要任务是预测未知图像的图像块标签，同时更关注突出所有上皮细胞，而基于注意力的多实例学习（MIL）池化层和实例级方法结合的 MIL 池化层能够完成这一任务。

实验结果如下表所示：
| 方法 | 准确率 | 精确率 | 召回率 | F - 分数 | AUC |
| — | — | — | — | — | — |
| Instance + max | 0.842 ± 0.021 | 0.866 ± 0.017 | 0.816 ± 0.031 | 0.839 ± 0.023 | 0.914 ± 0.010 |
| Instance + mean | 0.772 ± 0.012 | 0.821 ± 0.011 | 0.710 ± 0.031 | 0.759 ± 0.017 | 0.866 ± 0.008 |
| Embedding + max | 0.824 ± 0.015 | 0.884 ± 0.014 | 0.753 ± 0.020 | 0.813 ± 0.017 | 0.918 ± 0.010 |
| Embedding + mean | 0.860 ± 0.014 | 0.911 ± 0.011 | 0.804 ± 0.027 | 0.853 ± 0.016 | 0.940 ± 0.010 |
| Attention | 0