原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明提出一种基于掩码的数字病理图像分类方法，MHIM‑MIL框架在训练阶段采用Siamese结构即孪生结构。该框架的主要组成部分是一个基于通用注意力的MIL模型，称为学生模型S(·)。学生模型被用于聚合实例特征。为了增加学生模型的判别能力并强制其关注难分类的实例，本框架引入了一个动量教师模型T(·)。教师模型主要用于挖掘困难实例，利用基于掩码操作的困难实例挖掘策略遮盖简单的实例，同时保留困难实例作为学生模型的输入。Siamese结构能够使得模型训练更加稳定和高效，并且具有较少的训练参数。在挖掘
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 116486159 A
(43)申请公布日 2023.07.25
(21)申请号 202310457562.8 G06N 3/096 (2023.01)
(22)申请日 2023.04.
文档评论（0）