论文笔记Clinical-grade computational pathology using weakly supervised deep learning on WSI

论文题目：Clinical-grade computational pathology using weakly supervised deep learning on whole slide images

这是关于多实例学习MIL（Multiple Instance Learning）用于数字病理切片WSI（Whole Slide Images）分类的工作。这是目前该方面最好的工作（应该没有之一吧），发表于nature子刊 nature medicine

论文链接：[https://www.nature.com/articles/s41591-019-0508-1]

工作的主要特点是：
数据规模大：15,178个病例的44,732个WSI切片，相当于88倍image net
计算级别大：七个计算节点，每个节点8卡V100，以及8TB的SSD
实验的重要结论是：使用大规模的弱标签训练集训练得到的模型，其效果远好于使用少量像素级别专家标注训练集训练的效果，能够达到临床水平。

具体内容参开思维导图，我会继续精读，具体实现的部分，之后做更新