换一批摘要在多实例学习的基础上,目前主流的格里森分级方法主要依赖于切片级标签的弱监督策略,由于监督信息的不足,往往导致性能显著下降.虽然一些混合监督策略结合了切片级和像素级标签,但由于忽视了格里森分级的特殊判别机制,其精度仍无法令人满意.针对上述问题,提出了一种多分支混合监督格里森分级方法.将有限的像素级标签转化为实例级标签,利用实例级标签和切片级标签联合监督模型学习,提高模型分类性能.根据临床实践经验构建多分支结构,对不同格里森等级进行特定处理,在减少计算资源消耗的同时更大程度地保留癌灶信息的完整性,从而提高恶性等级的准确率.所提方法在PANDA数据集和PUMCH数据集上的QWK和ACC分别达到了0.867和0.817、0.942和0.859,均优于TransMIL、MSMIL等先进的多实例学习方法.
更多相关知识
栏目名称
DOI
10.3969/j.issn.1009-9492.2025.24.005
发布时间
2026-01-27（万方平台首次上网日期，不代表论文的发表时间）
基金项目
- 浏览1
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
