graph neural network (GNN)

深度分析

用ResTopoMIL分離統計與拓樸訊號：改善多實例學習（MIL）在WSI的空間失明

研究指出，病理全片圖（WSI）的多實例學習（MIL）模型即便加入圖網路或Transformer等空間模組，仍可能在實務上僅靠組成成分（composition）做出準確判斷，對組織拓樸（topology）不敏感，作者稱之為「空間失明」。