CAMIL Context
CAMIL: Context-Aware Multiple Instance Learning for Cancer Detection and Subtyping in Whole Slide Images
data: CAMELYON16、CAMELYON17、TCGA-NSCLC
引言
以邻域约束注意力编码 patch 间的上下文关系，将组织邻域先验融入切片分类，关注癌症检测、亚型识别及定位解释。
方法
（1）邻域建模：让每个 tile 的表示受到相邻组织上下文约束。
（2）上下文注意力：将邻域依赖作为先验，而非仅计算孤立实例分数。
（3）实例聚合：汇总更新后的特征进行检测和亚型分类。
原文Figure 1，PDF 第 3 页。
实验
实验设置
同时评价切片分类与定位；定位使用 Dice 和阴性切片 tile-level specificity。
主要结果
摘要所报 TCGA-NSCLC、CAMELYON16、CAMELYON17 AUC 分别为 97.5%、95.9%、88.1%。
原文Table 1，PDF 第 7 页。
消融与讨论
病灶参考掩码由专家标注生成，tile 肿瘤占比至少 20% 时记为阳性；定位阈值与切片分类指标需分开理解。
参考文献
CAMIL: Context-Aware Multiple Instance Learning for Cancer Detection and Subtyping in Whole Slide Images