2DMamba

新的MFE-MIL框架增强了病理学中的全切片图像分析

研究人员开发了一个名为掩码特征编码多实例学习（MFE-MIL）的新框架，以改进计算病理学中全切片图像的分析。该方法使用特征空间掩码方法，结合轻量级MLP适配器、掩码重建分支和MIL分类头。MFE-MIL旨在减少由染色和扫描仪差异等因素引起的切片内方差，增强切片级预测的区分信号。该框架在多个数据集上显示出更高的准确率和F1分数，在许多情况下优于现有的空间方法，并实现了比2DMamba更高的AUC。