Buchumschlag

CAPRMIL: Context-Aware Patch Representations for Multiple Instance Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lolos, Andreas, Christodoulou, Theofilos, Moustakas, Aris L., Christodoulidis, Stergios, Vakalopoulou, Maria
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

Medical Context Distorts Decisions in Clinical Vision Language Models
von: Restrepo, David, et al.
Veröffentlicht: (2026)

Multimodal Carotid Risk Stratification with Large Vision-Language Models: Benchmarking, Fine-Tuning, and Clinical Insights
von: Tsolissou, Daphne, et al.
Veröffentlicht: (2025)

On the Risk of Misleading Reports: Diagnosing Textual Biases in Multimodal Clinical AI
von: Restrepo, David, et al.
Veröffentlicht: (2025)

CARMIL: Context-Aware Regularization on Multiple Instance Learning models for Whole Slide Images
von: Saada, Thiziri Nait, et al.
Veröffentlicht: (2024)

Mask-HybridGNet: Graph-based segmentation with emergent anatomical correspondence from pixel-level supervision
von: Gaggion, Nicolás, et al.
Veröffentlicht: (2026)

Equipping Sketch Patches with Context-Aware Positional Encoding for Graphic Sketch Representation
von: Zang, Sicong, et al.
Veröffentlicht: (2024)

Fairness and Robustness of CLIP-Based Models for Chest X-rays
von: Sourget, Théo, et al.
Veröffentlicht: (2025)

BayesAdapter: enhanced uncertainty estimation in CLIP few-shot adaptation
von: Morales-Álvarez, Pablo, et al.
Veröffentlicht: (2024)

PVeRA: Probabilistic Vector-Based Random Matrix Adaptation
von: Fillioux, Leo, et al.
Veröffentlicht: (2025)

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

OCTOPUS: Enhancing the Spatial-Awareness of Vision SSMs with Multi-Dimensional Scans and Traversal Selection
von: Mahatha, Kunal, et al.
Veröffentlicht: (2026)

Controllable Latent Space Augmentation for Digital Pathology
von: Boutaj, Sofiène, et al.
Veröffentlicht: (2025)

ViG-Bias: Visually Grounded Bias Discovery and Mitigation
von: Marani, Badr-Eddine, et al.
Veröffentlicht: (2024)

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)

SetFlow: Generating Structured Sets of Representations for Multiple Instance Learning
von: Jovišić, Nikola, et al.
Veröffentlicht: (2026)

Spatial Blindness in Whole-Slide Multiple Instance Learning
von: Li, Xiangyu, et al.
Veröffentlicht: (2026)

SCMIL: Sparse Context-aware Multiple Instance Learning for Predicting Cancer Survival Probability Distribution in Whole Slide Images
von: Yang, Zekang, et al.
Veröffentlicht: (2024)

Finding Regions of Interest in Whole Slide Images Using Multiple Instance Learning
von: Afonso, Martim, et al.
Veröffentlicht: (2024)

Reducing Variability of Multiple Instance Learning Methods for Digital Pathology
von: Mammadov, Ali, et al.
Veröffentlicht: (2025)

Seeing Isn't Believing: Context-Aware Adversarial Patch Synthesis via Conditional GAN
von: Kazoom, Roie, et al.
Veröffentlicht: (2025)

PatchTraj: Unified Time-Frequency Representation Learning via Dynamic Patches for Trajectory Prediction
von: Liu, Yanghong, et al.
Veröffentlicht: (2025)

Self-Supervision Enhances Instance-based Multiple Instance Learning Methods in Digital Pathology: A Benchmark Study
von: Mammadov, Ali, et al.
Veröffentlicht: (2025)

SoC: Semantic Orthogonal Calibration for Test-Time Prompt Tuning
von: Fillioux, Leo, et al.
Veröffentlicht: (2026)

Self-Supervised Multiple Instance Learning for Acute Myeloid Leukemia Classification
von: Kazeminia, Salome, et al.
Veröffentlicht: (2024)

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

Label-free Concept Based Multiple Instance Learning for Gigapixel Histopathology
von: Sun, Susu, et al.
Veröffentlicht: (2025)

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)

Full Conformal Adaptation of Medical Vision-Language Models
von: Silva-Rodríguez, Julio, et al.
Veröffentlicht: (2025)

Are foundation models for computer vision good conformal predictors?
von: Fillioux, Leo, et al.
Veröffentlicht: (2024)

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

Class Adaptive Conformal Training
von: Marani, Badr-Eddine, et al.
Veröffentlicht: (2026)

PTCMIL: Multiple Instance Learning via Prompt Token Clustering for Whole Slide Image Analysis
von: Zhao, Beidi, et al.
Veröffentlicht: (2025)

Detecting Domain Shift in Multiple Instance Learning for Digital Pathology Using Fréchet Domain Distance
von: Pocevičiūtė, Milda, et al.
Veröffentlicht: (2024)

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

Medical-Knowledge Driven Multiple Instance Learning for Classifying Severe Abdominal Anomalies on Prenatal Ultrasound
von: Liang, Huanwen, et al.
Veröffentlicht: (2025)

THUNDER: Tile-level Histopathology image UNDERstanding benchmark
von: Marza, Pierre, et al.
Veröffentlicht: (2025)

Leveraging Gait Patterns as Biomarkers: An attention-guided Deep Multiple Instance Learning Network for Scoliosis Classification
von: Li, Haiqing, et al.
Veröffentlicht: (2025)

Finding the Subjective Truth: Collecting 2 Million Votes for Comprehensive Gen-AI Model Evaluation
von: Christodoulou, Dimitrios, et al.
Veröffentlicht: (2024)