MDDP
Multi-modal Denoising Diffusion Pre-training for Whole-Slide Image Classification
data: CAMELYON16、TCGA-COAD、TCGA-NSCLC
引言
利用 H&E 到 IHC 的重染色和 IHC 重建进行扩散预训练；推理只输入 H&E，以 IHC 引导的特征和包级增强辅助分类。
方法
（1）双任务预训练：联合 H&E→IHC 重染色和 IHC 重建，学习结构与染色差异。
（2）语义约束：以类别约束对比损失维护双模态特征一致性。
（3）包特征增强：将仅由 H&E 提取的 IHC 引导特征加入现有 MIL 包表示。
原文Figure 1，PDF 第 1 页。
实验
实验设置
向 CLAM-SB、CLAM-MB、DTFD-MIL、HAG-MIL 加入预训练特征与包增强；另在相同聚合器下比较预训练方法。
主要结果
三个数据集的最优聚合器组合并不相同：分别为 HAG-MIL、CLAM-SB、HAG-MIL，说明增益需结合下游模型看。
原文Table 1，PDF 第 6 页。
消融与讨论
比较 Simmim、DINO、DINOv2、HIPT，并考察扩散时间步和特征层；IHC 用于预训练，推理输入仍为 H&E。
参考文献
Multi-modal Denoising Diffusion Pre-training for Whole-Slide Image Classification