FOCI: Un Metodo Leggero per l'Evidenziazione delle Motivazioni in Classificatori WSI-MIL Congelati

Uno studio recente presenta Finding Optimal Contextual Instances (FOCI), un livello di lettura delle motivazioni snello progettato per classificatori di apprendimento a istanze multiple (MIL) su immagini di vetrini interi (WSI) congelati. Questo approccio innovativo mira a derivare previsioni a livello di vetrino da un sottoinsieme compatto e coerente di tile senza necessità di riaddestramento del backbone. FOCI utilizza obiettivi di sufficienza ed esclusione dell'output del modello su sottoinsiemi di tile mantenuti/rimossi, valutati tramite un Sequential Reveal Protocol (SRP) di tipo inserimento adattato per WSI-MIL, e riassunti tramite il Selection Headroom Index (SHI). Lo studio affronta la mancanza di chiarezza nei punteggi di attenzione come spiegazioni post-hoc in WSI-MIL, indicando che un'attenzione elevata potrebbe indicare una preferenza di aggregazione piuttosto che una motivazione concisa. Gli esperimenti sono stati condotti su tre benchmark WSI e sette backbone MIL. Questa ricerca è disponibile su arXiv con l'identificatore 2605.12575.