EviSlide-MIL 框架发布以解决全切片图像分类遗忘问题
热点事件持续更新
EviSlide-MIL 框架发布以解决全切片图像分类遗忘问题
1 篇报道1 个报道来源13 小时前更新
先了解这件事
AI 综述
2026 年 11 月,研究人员在 arXiv 上发布了 EviSlide-MIL 框架。该模型通过结合每类多个可学习查询与共享预测模块,并采用冻结历史查询、经验回放及知识蒸馏策略,旨在解决全切片图像(WSI)在引入新肿瘤亚型时出现的知识遗忘问题。在 TCGA 八种肿瘤亚型数据集上的测试显示,其性能优于现有竞品且有效降低了遗忘现象。代码与预训练模型将公开发布,适用于弱监督下的癌症诊断场景。
AI 根据报道生成 · 10 小时前更新
最新进展11月18日 13:00
EviSlide-MIL:多查询池化与共享预测用于类增量全切片图像分类报道时间线
沿着报道,了解事件的不同侧面。
11月18日
- arXiv · 机器人与计算机视觉EviSlide-MIL:多查询池化与共享预测用于类增量全切片图像分类
EviSlide-MIL 提出一种结合每类多个可学习查询与共享预测模块的框架,解决全切片图像在引入新肿瘤亚型时的知识遗忘问题。该模型通过冻结历史查询、经验回放及知识蒸馏,在 TCGA 八种肿瘤亚型数据集上实现了优于竞品的性能并降低遗忘。代码与预训练模型将发布,适用于弱监督下的癌症诊断场景。
本事件热度走势
- 可比范围当前
- 7
- 可比范围峰值
- 911月18日 16:00
- 近 24 小时变化
- –
02.557.510
16:0018:0020:0022:0011月19日
趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。