新的DeCo-MIL方法解决了WSI分析中的长尾分布问题

研究人员开发了DeCo-MIL，一种解决全切片图像（WSI）分析中长尾分布挑战的新方法。该方法通过采用频率去偏置反事实推理来解决幻灯片之间和幻灯片内部的长尾问题。DeCo-MIL对图像块进行聚类，通过正常原型进行干预以估计反事实贡献，并利用这些贡献来保留稀有的判别性实例。它还构建了锚点分层的伪批次，并采用尾部感知过采样来增强稀有类别的监督。在三个基准上的实验表明，DeCo-MIL取得了最先进的性能。 AI

影响 该方法可以通过更好地处理罕见病症来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图像分析新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• CORE Recommender
• DagsHub
• DeCo-MIL
• Gotit.pub
• Hugging Face
• Multiple instance learning
• ScienceCast

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →