SMILE
SMILE: A Scale-aware Multiple Instance Learning Method for Multicenter STAS Lung Cancer Histopathology Diagnosis
data: STAS-CSU、STAS-TCGA、STAS-CPTAC
引言
面向肺癌气腔播散（STAS）诊断，引入尺度自适应注意力以处理病灶稀疏与异质性，并提供多中心切片数据和基线。
方法
（1）尺度自适应：根据注意力调整实例响应，避免固定地依赖局部高分块。
（2）病灶汇总：学习稀疏且异质的 STAS 区域。
（3）弱监督分类：以切片级 STAS 标签训练并输出诊断分数。
原文Figure 3，PDF 第 5 页。
实验
实验设置
共整理 2,970 张切片，三位病理专家复核；采用五折评估，报告 AUC、ACC、Precision、Recall、F1。
主要结果
TCGA 上 SMILE AUC 为 0.5736，低于 DGRMIL 的 0.6084；CPTAC 上 ACC/AUC 为 0.645/0.6517，跨数据集优势并不一致。
消融与讨论
考察尺度因子与阈值，分开分析内部与公共队列；应保留作者表中不占优的结果。
参考文献
SMILE: A Scale-aware Multiple Instance Learning Method for Multicenter STAS Lung Cancer Histopathology Diagnosis