FPN MIL
Multi-scale Attention-Based Multiple Instance Learning for Breast Cancer Diagnosis
data: VinDr-Mammo，5,000 例四视图乳腺摄影检查
引言
在乳腺 X 线影像中结合特征金字塔、多尺度实例聚合和深层监督，兼顾肿块与钙化病灶的不同尺度。研究对象为乳腺摄影。
方法
（1）FPN 编码：单尺度输入 patch 产生多个尺度的实例表示。
（2）尺度内聚合：分别使用注意力或 Set Transformer 处理实例关系。
（3）尺度间聚合：通过注意力融合多个尺度并进行深层监督。
原文Fig. 1，PDF 第 3 页。
实验
实验设置
保留官方训练/测试划分，训练部分再按分组 80/20 取验证；分别评价肿块和钙化的分类及检测。
主要结果
FPN-SetTrans 更适合钙化，FPN-AbMIL 在肿块任务表现更好，不能把某一聚合器写成所有病灶统一最优。
原文Table 1，PDF 第 7 页。
消融与讨论
比较 FPN 实例编码器与多尺度 patch 编码，以及尺度聚合器；不同输入 patch 大小是重要配置条件。
参考文献
Multi-scale Attention-Based Multiple Instance Learning for Breast Cancer Diagnosis
本文归入相关 MIL 方法：具体研究对象见数据与实验设置。