Buchumschlag

cDP-MIL: Robust Multiple Instance Learning via Cascaded Dirichlet Process

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chen, Yihang, Chan, Tsai Hor, Yin, Guosheng, Jiang, Yuming, Yu, Lequan
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Amplifying Prominent Representations in Multimodal Learning via Variational Dirichlet Process
von: Chan, Tsai Hor, et al.
Veröffentlicht: (2025)

C$^2$MIL: Synchronizing Semantic and Topological Causalities in Multiple Instance Learning for Robust and Interpretable Survival Analysis
von: Cen, Min, et al.
Veröffentlicht: (2025)

LadderMIL: Multiple Instance Learning with Coarse-to-Fine Self-Distillation
von: Wu, Shuyang, et al.
Veröffentlicht: (2025)

xMIL: Insightful Explanations for Multiple Instance Learning in Histopathology
von: Hense, Julius, et al.
Veröffentlicht: (2024)

RetMIL: Retentive Multiple Instance Learning for Histopathological Whole Slide Image Classification
von: Chu, Hongbo, et al.
Veröffentlicht: (2024)

MamMIL: Multiple Instance Learning for Whole Slide Images with State Space Models
von: Fang, Zijie, et al.
Veröffentlicht: (2024)

MIL-PF: Multiple Instance Learning on Precomputed Features for Mammography Classification
von: Jovišić, Nikola, et al.
Veröffentlicht: (2026)

MicroMIL: Graph-Based Multiple Instance Learning for Context-Aware Diagnosis with Microscopic Images
von: Kim, Jongwoo, et al.
Veröffentlicht: (2024)

WSD-MIL: Window Scale Decay Multiple Instance Learning for Whole Slide Image Classification
von: Feng, Le, et al.
Veröffentlicht: (2025)

HookMIL: Revisiting Context Modeling in Multiple Instance Learning for Computational Pathology
von: Ling, Xitong, et al.
Veröffentlicht: (2025)

ProMIL: Probabilistic Multiple Instance Learning for Medical Imaging
von: Struski, Łukasz, et al.
Veröffentlicht: (2023)

Cluster-Level Sparse Multi-Instance Learning for Whole-Slide Images
von: Zhang, Yuedi, et al.
Veröffentlicht: (2025)

GCE-MIL: Faithful and Recoverable Evidence for Multiple Instance Learning in Whole-Slide Imaging
von: Li, Xiangyu, et al.
Veröffentlicht: (2026)

ReaMIL: Reasoning- and Evidence-Aware Multiple Instance Learning for Whole-Slide Histopathology
von: Jung, Hyun Do, et al.
Veröffentlicht: (2026)

SAC-MIL: Spatial-Aware Correlated Multiple Instance Learning for Histopathology Whole Slide Image Classification
von: Bai, Yu, et al.
Veröffentlicht: (2025)

PSA-MIL: A Probabilistic Spatial Attention-Based Multiple Instance Learning for Whole Slide Image Classification
von: Peled, Sharon, et al.
Veröffentlicht: (2025)

ViLa-MIL: Dual-scale Vision-Language Multiple Instance Learning for Whole Slide Image Classification
von: Shi, Jiangbo, et al.
Veröffentlicht: (2025)

SAM-MIL: A Spatial Contextual Aware Multiple Instance Learning Approach for Whole Slide Image Classification
von: Fang, Heng, et al.
Veröffentlicht: (2024)

MeCaMIL: Causality-Aware Multiple Instance Learning for Fair and Interpretable Whole Slide Image Diagnosis
von: Song, Yiran, et al.
Veröffentlicht: (2025)

Mamba2MIL: State Space Duality Based Multiple Instance Learning for Computational Pathology
von: Zhang, Yuqi, et al.
Veröffentlicht: (2024)

SemaMIL: Semantic-Aware Multiple Instance Learning with Retrieval-Guided State Space Modeling for Whole Slide Images
von: Gan, Lubin, et al.
Veröffentlicht: (2025)

SC-MIL: Sparsely Coded Multiple Instance Learning for Whole Slide Image Classification
von: Qiu, Peijie, et al.
Veröffentlicht: (2023)

Free Lunch in Pathology Foundation Model: Task-specific Model Adaptation with Concept-Guided Feature Enhancement
von: Huang, Yanyan, et al.
Veröffentlicht: (2024)

SGPMIL: Sparse Gaussian Process Multiple Instance Learning
von: Lolos, Andreas, et al.
Veröffentlicht: (2025)

Advancing Multiple Instance Learning with Continual Learning for Whole Slide Imaging
von: Li, Xianrui, et al.
Veröffentlicht: (2025)

DGR-MIL: Exploring Diverse Global Representation in Multiple Instance Learning for Whole Slide Image Classification
von: Zhu, Wenhui, et al.
Veröffentlicht: (2024)

Context-driven Missing-Modality Learning for Robust Medical Diagnosis with Image-Tabular Data
von: Liu, Tianling, et al.
Veröffentlicht: (2026)

Multi-task Heterogeneous Graph Learning on Electronic Health Records
von: Chan, Tsai Hor, et al.
Veröffentlicht: (2024)

Democratizing Large Language Model-Based Graph Data Augmentation via Latent Knowledge Graphs
von: Feng, Yushi, et al.
Veröffentlicht: (2025)

Aligning Knowledge Concepts to Whole Slide Images for Precise Histopathology Image Analysis
von: Zhao, Weiqin, et al.
Veröffentlicht: (2024)

MsaMIL-Net: An End-to-End Multi-Scale Aware Multiple Instance Learning Network for Efficient Whole Slide Image Classification
von: Wen, Jiangping, et al.
Veröffentlicht: (2025)

Rethinking Multiple Instance Learning: Developing an Instance-Level Classifier via Weakly-Supervised Self-Training
von: Ma, Yingfan, et al.
Veröffentlicht: (2024)

Denoising Mutual Knowledge Distillation in Bi-Directional Multiple Instance Learning
von: Shu, Chen, et al.
Veröffentlicht: (2025)

Feature Preserving Shrinkage on Bayesian Neural Networks via the R2D2 Prior
von: Chan, Tsai Hor, et al.
Veröffentlicht: (2025)

Learning Instance-Aware Correspondences for Robust Multi-Instance Point Cloud Registration in Cluttered Scenes
von: Yu, Zhiyuan, et al.
Veröffentlicht: (2024)

Do Multiple Instance Learning Models Transfer?
von: Shao, Daniel, et al.
Veröffentlicht: (2025)

SimMIL: A Universal Weakly Supervised Pre-Training Framework for Multi-Instance Learning in Whole Slide Pathology Images
von: Song, Yicheng, et al.
Veröffentlicht: (2025)

Instance Consistency Regularization for Semi-Supervised 3D Instance Segmentation
von: Wu, Yizheng, et al.
Veröffentlicht: (2024)

Interpretable Rheumatoid Arthritis Scoring via Anatomy-aware Multiple Instance Learning
von: Bo, Zhiyan, et al.
Veröffentlicht: (2025)

Key Patches Are All You Need: A Multiple Instance Learning Framework For Robust Medical Diagnosis
von: Araújo, Diogo J., et al.
Veröffentlicht: (2024)