Cet article propose INSIGHT, un nouvel agrégateur basé sur l'apprentissage faiblement supervisé pour l'analyse d'images médicales à grande échelle (scanners CT 3D et images de microscope électronique). Pour pallier les lacunes inhérentes aux méthodes existantes, telles que l'incapacité à localiser des détails petits mais importants et le recours à des techniques de post-visualisation, INSIGHT intègre la génération de cartes thermiques avec un biais inductif. À partir de cartes de caractéristiques pré-entraînées, il exploite un module de détection doté d'un petit noyau convolutionnel et un module de contexte doté d'un large champ réceptif pour capturer les détails fins et supprimer les faux positifs localisés. La carte thermique interne obtenue met en évidence les régions importantes pour le diagnostic. Sur les bancs d'essai CT et WSI, INSIGHT atteint des performances de classification de pointe et des performances élevées de segmentation sémantique basée sur l'apprentissage faiblement supervisé.
