总体来看是弱监督学习的领域，没有接触过，主要需要学习的是两个算法和如何使用深度学习优化其中的参数：

• 多实例学习 MIL
• 正-无标注学习 PUlearning

论文背景和假设

这篇论文需要一定的背景

假设现在提供一个病理切片图像，其中只有部分的区域是癌变而其余部分是正常的。

但是实际上所提供的mask大多是这样的：

所以很大程度上无法分割出具体是哪些点出了问题，即无法实现像素级别的识别，也就引出了这个论文要求。

多实例学习(MIL)

找到了一个非常易于理解的解释，以MNIST数据集为例，里面有0~9个标签表示对应的数字。每次从MNIST数据集中取n个数据（差不多3~10）放到一个袋子里。其中我们把包含了1的袋子设置标签为1，其余的为0。此时，如果忽略掉数据只考虑袋子，就得到了两种类别的袋子0、1。在这个例子下，多实例学习的目标就是，已知袋子的标签，需要知道是袋子里哪个数据决定了这个标签。

那么对于现在这个病理图像分割，我们已知类别，所以需要找到一整张切片中导致其为某个类别的区域或特征，因此该课题可以使用多实例学习解决。具体的repo：

https://github.com/MarvinLer/tcga_segmentation

正-无标注学习(PUL)

正无标注学习的场景是只有正标注的数据和未标注的数据，在此，我们可以视病理切片掩码中，绿色的一定是有问题的（正标注），红色是可能有问题的（无标注），由此就满足了PUL的条件。基于PUL的分割算法：

https://github.com/RxstydnR/PUlearning_segmentation

数据集使用

这里使用的是Prostate cANcer graDe Assessment (PANDA数据集），前列腺等级分类挑战中的数据。其主要提供了：

• 组织切片图片
• 癌变区域掩码图片
• isup类别和格里森等级

其中对实验有效的是组织切片图片和癌变区域掩码图片。数据集大小为411G。

存在问题

效果可能难以进行评估，目前只能通过与其他方案进行对比以凸显效果

数据量大且有很多低质量数据，数据处理步骤重要而且可能会影响最终结果

进度

阅读了相关论文和代码并进行了一定的可行性分析。目前主要在进行数据的下载和MIL模型的测试。