English(EN) Pretraining Multiple Instance Learning Networks with Multi-Teacher Distillation from Pathology Slide Foundation Models

新的MIL预训练框架使用基础模型进行病理分析

作者 PulseAugur 编辑部 · [2 个来源] · 2026-07-16 08:04

研究人员开发了一种新的多实例学习（MIL）网络预训练框架，这对于分析病理切片至关重要。该框架使用来自两个基础模型TITAN和CARE的蒸馏过程，将知识转移到各种MIL架构中。该方法旨在通过提供比从头开始训练更好的初始化来提高MIL模型的性能，尤其是在数据有限的情况下。 AI

影响这项研究可以提高计算病理学中使用的AI模型的准确性和效率，可能带来更好的疾病诊断。

排序理由该集群包含一篇详细介绍MIL网络新预训练框架的研究论文。

AI 生成摘要 · Google Gemini · 来自 2 个来源。我们如何撰写摘要 →

报道来源 [2]

arXiv cs.AI TIER_1 English(EN) · Mingxi Fu, Jiawen Li, Renao Yan, Jiali Hu, Qiehe Sun, Tian Guan, Yonghong He · 2026-07-17 04:00

从病理切片基础模型进行多教师蒸馏预训练多实例学习网络

arXiv:2607.14703v1 Announce Type: cross Abstract: Multiple instance learning (MIL) has become the main paradigm for whole-slide image (WSI) analysis in computational pathology. However, existing MIL aggregators are still typically trained from scratch for each downstream task, re…
arXiv cs.AI TIER_1 English(EN) · Yonghong He · 2026-07-16 08:04

从病理切片基础模型中通过多教师蒸馏预训练多实例学习网络

Multiple instance learning (MIL) has become the main paradigm for whole-slide image (WSI) analysis in computational pathology. However, existing MIL aggregators are still typically trained from scratch for each downstream task, relying on limited slide-level labels to learn both …