基于示例搜索与多示例学习的乳腺癌全切片图像分类方法

本发明提供了一种基于示例搜索与多示例学习的乳腺癌全切片图像分类方法。该方法首先对全切片图像提取前景区域并分割为结构化图像块；随后，利用融合CNN与Transformer的特征提取器提取图像块的深层语义特征，并通过引入位置编码的MIL聚合器建模图像块间的空间关系，完成全图级特征融合与分类预测。在MIL聚合器收敛后，基于图像块的置信度动态构造伪标签图像块集合，引入示例分类器训练共享参数的特征提取器，实现特征提取器的迭代优化，进一步提升模型对乳腺癌病灶区域的判别能力与分类性能。本发明在弱监督病理图像分类任务中，通过结构设计创新与优化策略协同，显著提升了乳腺癌WSI分类的准确性、鲁棒性与可扩展性，具有重要的临床应用价值与产业转化前景。