MS-DA-MIL-CNN

简介：
多尺度领域对抗多实例学习卷积神经网络（CVPR2020）的这一研究，我们提出了一种全新的方法，用于从组织病理学图像中对癌症亚型进行精准分类。该方法能够自动识别并提取给定完整扫描病理图像（WSI）中的肿瘤特有特征。为了实现癌症亚型的分类，需要参考WSI，即整个病理组织玻片的高分辨率图像（通常尺寸为40,000x40,000像素），该图像包含癌症和非癌症区域。然而，标注WSI中的肿瘤区域是一项耗时且成本较高的任务。此外，为了提取WSI中的全局和局部图像特征，还需要调整图像的放大倍率。进一步地，算法需要稳定地检测图像特征，以应对医院或标本之间可能存在的染色条件差异。在本文中，我们通过巧妙地融合多实例学习、领域对抗和多尺度学习的框架，开发出一种基于卷积神经网络的癌症亚型分类方案，旨在克服上述实际应用中遇到的挑战。本文档详细阐述了如何在ref [1]中利用源代码来实现多尺度域对抗多实例倾斜（MS-DA-MIL）CNN算法，该算法专门针对数字病理图像的二元分类问题进行了设计，每个载玻片都被归类为……