Geo MIL
Geometric multi-instance learning for weakly supervised gastric cancer segmentation
data: TCGA-STAD、GasHisSDB、ACDC-GastricDB
npj Digital Medicine 2026 · 论文
引言
显式构建组织 patch 图，以拓扑注意力关注诊断相关组织结构，研究仅用切片标签实现胃癌区域分割的方法。
方法
（1）空间构图：显式连接胃组织 patch。
（2）拓扑注意力：优先识别诊断相关组织结构而非孤立高分块。
（3）弱监督分割：结合切片分类和空间约束推断癌区掩码。
原文Fig. 4，PDF 第 14 页。
实验
实验设置
分别包含多中心胃癌切片、良恶性及腺癌细分任务；同时比较分割与切片分类。
主要结果
主表报告三个数据集的定量比较，拓扑注意力的收益要同时看空间分割与分类结果。
原文Table 1，PDF 第 9 页。
消融与讨论
分析图结构、拓扑注意力与分类/分割损失权重，明确数据规模及标注条件。
参考文献
Geometric multi-instance learning for weakly supervised gastric cancer segmentation
npj Digital Medicine 2026 · 论文