掩码硬实例挖掘MIL框架

病理诊断更准

用孪生结构的一致性约束找出困难实例，让模型在千兆像素病理切片上学会更精确的判别边界。

唐文浩 · 黄晟 · Heng, Fang · Zhou, Fengtao · Liu, Bo · 刘青山

International Journal of Computer Vision 2026

技术优势

不再偏向易例

通过孪生结构一致性约束挖掘困难实例，纠正注意力机制对易分类实例的偏向。

困难实例不重复

采用大规模随机掩码生成多样化的困难实例，并用全局循环网络保留关键特征。

训练更稳

学生通过指数移动平均更新教师，在后续迭代中识别新困难实例并稳定优化。

应用场景

• 病理图像分析：处理千兆像素病理全切片，自动聚焦关键组织区域。
• 癌症诊断：提升癌症诊断的判别精度，减少易例偏差。
• 医学图像计算：为医学图像计算提供高效MIL框架，兼顾性能与效率。
• 计算病理学：在计算病理学中挖掘困难实例，强化判别边界。