ProtoPur原型纯度伪标签方法提出

2026年10月14日，arXiv Computer Vision 刊出 Chen Shu 等作者的报道，提出 ProtoPur 原型纯度伪标签方法，用于病理全切片图像的弱监督实例级学习。该方法在由冻结基础模型特征构建的原型区域上估计类平衡局部纯度，并为与目标类别强关联的高纯度区域分配伪标签。报道称，在三个公开全切片图像数据集和两种病理基础编码器上，该方法在多个 MIL 骨干上持续提升实例级性能，同时保持有竞争力的包级性能；其 PAC 式分析将实例分类器风险分解为均匀收敛项与伪标签噪声项。目前报道仅涉及方法提出与实验评估，未提及后续应用、发布或争议。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。