MFC MIL
A Multiscale Frequency Domain Causal Framework for Enhanced Pathological Analysis
data: CAMELYON16、TCGA-NSCLC
引言
联合多尺度空间、频域结构和因果记忆干预模块，用记忆库估计数据分布并减轻混杂影响，可接入不同 MIL 模型。
方法
（1）多尺度空间：MSRM 提取局部与较大范围的组织结构。
（2）频域结构：FSRM 强调结构线索，降低对颜色等易混杂信息的依赖。
（3）因果记忆：CMIM 用可训练记忆近似整体分布并实施干预式融合。
原文Figure 1，PDF 第 3 页。
实验
实验设置
TCGA 按 7:1:2 划分；主表报告五折结果，比较 MFC-MIL、IBMIL 及不同 MIL 聚合器。
主要结果
因果记忆干预增强特异度，但作者同时指出 recall 可能下降，说明决策边界存在敏感度/特异度权衡。
原文Table 2，PDF 第 8 页。
消融与讨论
分别考察多尺度空间、频域结构和因果记忆模块，不能把特异度改善概括成全部指标无代价上升。
参考文献
A Multiscale Frequency Domain Causal Framework for Enhanced Pathological Analysis