因吉-CSDN博客

原创多示例学习 (multi-instance learning, MIL) 学习路线 (归类、重点文章列举、持续更新)

MIL学习路线：归类、重点文章概述 (持续更新ing...)

2024-01-15 20:43:24 12723 4

原创多示例学习 (multi-instance learning, MIL) 学习路线 (分类)

多示例学习学习路线介绍，也适用于其他领域

2022-03-05 18:30:17 12366 14

原创论文148：NeuroH-TGL: Neuro-heterogeneity guided temporal graph learning strategy for brain disease

提出NeuroH-TGL，首次将时空异质性显式建模。具体地，首先将DFBN解耦为拓扑一致性网络和时序趋势网络，量化每个节点的空间连接密度和时间变异性，并通过时间传播图卷积（TPGCN）模拟历史异质性状态对当前拓扑的影响，最终在ADNI和PD数据集上验证诊断性能和生物标志物发现能力。

2026-05-18 16:52:25 452

原创论文147：Accurate brain age prediction with lightweight deep neural networks (MIA‘21)

提出SFCN，一个仅300万参数的轻量3D CNN，在UK Biobank和PAC 2019上验证性能、小样本效率、多模态集成和偏倚校正策略。

2026-05-12 21:06:50 404

原创论文146：Robust brain age estimation based on sMRI via nonlinear age-adaptive ensemble learning (2022)

提出一种非线性年龄自适应集成模型（AAE），将四个异构模型（SVR、自建3D-CNN、GoogLeNet、ResNet）按年龄分段动态加权组合：年轻样本自动倾向于擅长年轻人的模型，老年样本自动倾向于擅长老年人的模型。

2026-05-12 16:53:20 394

原创论文145：MRI signatures of brain age and disease over the lifespan (Brain, 2020)

利用全球14,468例结构MRI构建一个仅需最小预处理即可稳健估计脑龄的深度网络DeepBrainNet，验证其在跨中心、跨扫描仪条件下的泛化能力，并挑战拟合越紧越好的传统观念。系统比较松/中/紧三种拟合度下脑龄差对多种脑疾病的区分力。进一步，将DeepBrainNet作为迁移学习的基座网络，构建疾病特异性分类器。

2026-05-11 15:44:33 428

原创论文144：Deep learning-based brain age prediction in normal aging and dementia (Nature Aging‘22)

用3D-DenseNet分别基于FDG-PET和结构MRI训练脑龄预测模型，系统对比两种模态在正常衰老和多种痴呆类型（MCI、AD、FTD、DLB）中的表现差异，并通过遮挡分析揭示年龄和模态特异的脑区贡献，测试BAG对认知障碍进展的前瞻预测能力。

2026-05-10 16:35:18 430

原创论文143：Multimodal brain age estimation using interpretable adaptive population-graph learning

构建一个端到端的自适应人口图学习框架，其利用注意力机制自动学习多模态（影像 + 非影像）表型的权重、基于加权表型动态生成图结构，同时通过可视化注意力权重提供完整的可解释性。

2026-05-10 15:10:54 381

原创论文142：Deep learning to quantify the pace of brain aging in relation to neurocognitive changes

开发一种直接从纵向MRI（同一个体在不同时间点t1t 1 和 t2t 2 的T1扫描）估计脑衰老速度 PP的3D-CNN纵向模型，并用显著性图实现神经解剖可解释性。

2026-05-10 00:41:50 405

原创论文141：Current challenges and future directions for brain age prediction in children and adolescents

系统性地梳理和批判在儿童/青少年群体中应用脑龄预测框架所面临的核心挑战，并提出各挑战的具体建议和未来方向。

2026-05-09 21:40:18 419

原创论文140：Modeling brain aging with explainable Triamese ViT: Towards deeper insights (IEEE JBHI‘25)

构建一个高精度 + 高公平性（低年龄偏差） + 内建可解释性的脑龄估计模型，并将注意力图应用于正常衰老分析和ASD（自闭症谱系障碍）诊断。

2026-05-04 21:48:53 444

原创论文139：ASMIL: Attention-stabilized multiple instance learning for whole slide imaging (ICLR‘26)

旨在解决注意力机制在弱监督MIL中的不稳定性、过度集中以及过拟合问题，并构建稳定的注意力学习机制。

2026-05-03 18:55:02 442

原创论文138：Pancancer outcome prediction via a unified weakly supervised deep learning model (SIGTRANS‘25)

肿瘤-淋巴结-转移 (TNM) 分期难以刻画患者间巨大的生物学异质性，现有预后模型则按癌症种类单独建模，致使泛化差、难扩展到多癌场景。相应的，多模态/泛癌 (pancancer) 模型严重依赖基因组/分子数据，致使昂贵、耗时，并不适用于临床研究。在引入病理图像后，泛癌模型的性能提升有限且不稳定。因此，本文立足于构建一个统一的泛癌预后预测框架PROGPATH，其能在单一模型中同时处理多种癌症，以捕获跨癌种共享的预后模式，同时保留癌种特异性。

2025-12-05 16:33:40 843

原创论文137：Dual-prototype learning in multiple instance learning for histopathology image classification

现有基于原型学习的MIL方法通常仅为每类学习单一原型或从整体分布生成通用原型，导致模型在压缩异质特征时牺牲了细粒度的判别信息，并因注意力过度集中造成原型偏置。因此，本文同时建模全局共性与边界判别特征，以更好地区分WSI。

2025-11-22 14:50:28 1247

原创论文136：Top-down attention-based multiple instance learning for whole slide image analysis (MICCAI‘25)

临床上，病理医生的诊断通常遵循先整体再聚焦的认知过程，即先观察全局组织形态，再聚焦任务相关区域。本文受到这种自上而下注意力机制的启发，提出一种能够自动执行类似诊断流程的 MIL 框架。

2025-10-31 00:17:23 1077

原创论文135：OTSurv: A novel multiple instance learning framework for survival prediction (MICCAI‘25)

旨在通过最优传输 (OT) 方法显式建模生存预测任务中的全局和局部病理异质性，从而提高生存预测的准确性与解释性。

2025-10-24 20:28:52 1056

原创论文134：Prototype-based multiple instance learning for gigapixel whole slide image classification

在传统WSI分类中，MIL模型通常依赖注意力权重来解释模型决策，但这类解释往往“不忠实且不可控”。此外，病理医生难以参与模型优化，模型容易依赖伪特征 (如染色墨迹、模糊区域)，从而导致错误分类。因此，如何构建一个自动学习可解释概念并允许医生干预的MIL模型，是该研究的核心动机。

2025-10-15 15:59:04 1195

原创论文133：Fast and accurate gigapixel pathological image classification with hierarchical distillation

提出一种快速且准确的WSI 分类方法，其通过层次蒸馏剔除无关patch，实现推理加速的同时维持甚至提升分类精度。

2025-09-22 16:05:02 1098

原创论文132：A multiscale frequency domaincausal framework for enhanced pathological analysis (ICLR‘24)

旨在通过多尺度频域因果分析增强病理图像的特征表示和诊断性能，同时减少混杂因素的干扰。

2025-07-08 17:04:31 1026

原创论文131：WSI classification meets online pseudo-supervision and dynamic mutual learning (AAAI‘25)

提出OODML框架，旨在通过在线伪监督和动态互学习来增强伪标签生成和特征表示，从而提高包级别的预测性能。

2025-04-25 15:52:38 1029 2

原创论文130：TAD-Graph: Enhancing whole slide image analysis via task-aware subgraph disentanglement (TMI)

提出了一种新的框架TAD-Graph，通过将WSI图分解为任务相关和任务无关的子图，从而提高模型的泛化能力和解释性，并减少过拟合和学习捷径的风险

2025-03-05 15:16:08 1165

原创论文129：Attention-challenging multiple instance learning for whole slide image (ECCV‘25, Open)

在已有的MIL方法中，注意力机制往往会集中在一小部分具有辨别性的实例上，这与过拟合密切相关。对此，ACMIL旨在通过减少注意力值的过度集中来提高模型的泛化能力。

2025-01-16 10:38:06 1464

原创论文128：cDP-MIL: Robust multiple instance learning via cascaded Dirichlet process (ECCV‘25 开源)

现有的MIL方法在特征聚合和模型泛化性上存在局限，容易导致过拟合和不准确的预测结果。为此，提出了一种基于级联Dirichlet过程 (cDP) 的贝叶斯非参数模型。

2024-11-22 18:10:36 1099

原创论文127：CoD-MIL: Chain-of-diagnosis prompting multiple instance learning (IEEE TMI‘24，开源)

借鉴自然语言处理中的链式思考 (CoT) 提示方法和病理学家的诊断先验，通过引入逐步的文本提示先验知识，将复杂的诊断过程分解为从低倍到高倍的逐步子过程，以提高模型的泛化能力和可解释性。

2024-11-15 15:09:06 1487

原创论文126：DGR-MIL: Exploring diverse global representation in MIL for WSI classification (ECCV‘25)

现有的MIL方法主要关注实例之间的相关性，而忽视了实例本身的内在多样性。这种忽视可能导致模型在预测时错误地聚合实例，从而影响分类性能。因此，DGR-MIL旨在通过建模实例的多样性来提高WSI分类的准确性和效率。

2024-11-01 17:37:30 1514

原创论文125：CAMIL: Context-aware multiple instance learning for cancer detection and subtyping (ICLR‘24)

已有基于注意力的MIL模型在分析WSI时常常忽略了肿瘤和邻近区块的上下文信息，导致分类错误。对此，CAMIL提出了邻居约束注意力机制，并将上下文约束作为先验知识，以提高局部肿瘤的检测和分类能力。

2024-10-31 15:54:50 1194

原创论文124：SAM-MIL: A spatial contextual aware multiple instance learning approach for WSI (MM‘24, 开源)

提出了一种新的MIL框架——SAM-MIL，通过引入SAM (Segment anything model) 的空间上下文信息，显式地整合图像级别的空间关系，提升病理图像分析的准确性。

2024-10-09 14:52:34 1321

原创论文123：Multi-modal denoising diffusion pre-training for whole-slide image (2024, ACM MM, 开源，高创新性)

对于我们常用的WSI分类任务，本文的方法可以看作是一种类似于Resnet的特征提取器，其所提取的特征包含了IHC信息，可以看作是已有图像的另一个模态。在本文的策略下，其这些特征可以和Resnet提取的特征拼接，并用于后续分类任务

2024-09-10 16:53:05 1263

原创论文122：Agent aggregator with mask denoise mechanism for histopathology WSI analysis (2024, ACM MM)

WSI分辨率巨大且缺乏细粒度注释，使其分类和分析任务面临挑战。此外，现有基于注意力机制的方法在处理WSI时存在计算复杂度高和无法捕捉实例间信息的问题。因此，本文所提出的AMD-MIL方法旨在通过动态调整特征表示，并引入掩码去噪机制来改进注意力分配，从而提高对WSI的检测能力和模型的可解释性。

2024-09-09 19:51:33 1727

原创论文121：Hierarchical discriminative learning improves visual representations (2023, CVPR, 开源)

已有的自监督表示学习 (SSL) 方法在应用于WSI时存在局限性，包括假设同一患者的图像块是独立的、忽视了临床生物医学显微镜图像的层次结构，以及需要强烈的数据增强来提高下游性能，但这些增强可能会降低图像特征的可区分性。

2024-09-06 15:27:27 1275

原创论文120：Giga-SSL: Self-supervised learning for gigapixel images (2023, CVPR, 开源)

现有的WSI分类方法依赖于有限的标注数据集，这可能导致模型过拟合和性能不足。同时，大量未标注的WSI数据集的可用性不断增加，但这些数据在现有的自监督学习 (SSL) 框架下未能充分利用。因此，拟提出了一种在WSI标签下进行SSL的策略，以利用大量未标注的WSI数据并在小数据集上提高分类性能。

2024-09-06 10:54:23 1723

原创论文119：Sparse multi-modal graph transformer with shared-context processing (2023, CVPR)

传统的多示例学习 (MIL) 方法在处理WSI时忽略了单个细胞内的显式信息，并且依赖于大量数据，容易过拟合。此外，MIL方法主要关注图像块，限制了模型对单个细胞的分辨率，并且缺乏细胞间相互作用的信息。因此，提出了一种利用组织内细胞图层次结构来提供单个WSI表示的新方法，同时能够动态地在细胞级和组织级信息之间聚焦。

2024-09-05 20:18:34 1329

原创论文118：Node-aligned graph convolutional network for whole-slide image representation (2022, CVPR，开源)

旨在解决全幻灯片图像 (WSI) 在计算病理学中的表示和分类问题：1. 由于WSI的超大体量，不同WSI之间的对应关系难以建立；2. 已有方法通常使用无序节点池化来获得WSI，这会损失结构和上下文信息。因此，亟需一种能够有效处理这些图像并捕局部结构信息和全局分布信息的WSI表示方法，并用于癌症亚型分类。

2024-09-05 15:31:28 1493