因吉的博客

首次在MIL任务中利用多智能体深度强化学习 (MADRL)。MADRL允许灵活定义或扩展影响包图或GNN的因素，并同步控制它们

多示例学习 (MIL) 广泛应用于自动全幻灯片图像 (Whole slide image, WSI) 分析，其处理策略可以分为：1）实例特征提取；2）特征聚合。然而，由于幻灯片级别标签的弱监督性，MIL模型的训练过程通常会呈现严重的过拟合。在这种情况下，从有限的幻灯片级别标注的数据中发掘更多的信息是至关重要的。与已有的方法不同，本文着重于探索不同实例 (区块) 之间的潜在关系，而非提升实例特征的提取，以提高模型的泛化能力。