본 논문은 다중 인스턴스 학습(MIL)의 성능 향상을 위한 새로운 방법인 MIL-Dropout을 제안합니다. 기존의 MIL은 특히 조직병리학 전체 슬라이드 이미지(WSI) 분류에서 두 단계 학습 방식으로 인해 노이즈 특징 임베딩과 약한 지도 학습의 문제를 겪습니다. 본 논문은 드롭아웃 기법을 MIL에 적용하여 이 문제를 해결하고자 하며, 특히 가방 내 가장 중요한 상위 k개 인스턴스를 제거하는 것이 성능 향상에 효과적임을 실험적으로 확인합니다. 이를 바탕으로, 인스턴스 제거를 체계적으로 결정하는 MIL-특화 드롭아웃 방법인 MIL-Dropout을 제안하고, 다양한 벤치마크 데이터셋과 WSI 데이터셋을 통해 성능 향상을 검증합니다. 소스 코드는 공개되어 있습니다.
시사점, 한계점
•
시사점:
◦
MIL에서 드롭아웃 기법의 효과를 실험적으로 증명하고, MIL-Dropout이라는 새로운 방법을 제시함.
