研究人员开发了一种新颖的基于图的多元实例学习框架，该框架整合了隐式和显式关系偏差，以提高图像分类性能。该方法以EfficientNetB3基线开始，然后使用卷积掩码自动编码器学习图像块之间的隐式关系。通过将这些学习到的嵌入组织成各种图拓扑结构（例如，基于网格或k近邻结构）来引入显式关系建模。在皮肤病变诊断基准ISIC-2018和ISIC-2019上的实验表明，这种组合方法显著优于基线方法和仅隐式方法，其中基于网格的图注意力网络实现了最高的平衡准确率。 AI
影响 这项研究通过整合隐式和显式关系建模，推动了图像分类技术的发展，有望提高医学影像的诊断准确性。
排序理由 该集群包含一篇详细介绍新方法和实验结果的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
