💻 computer science

GCE-MIL: Faithful and Recoverable Evidence for Multiple Instance Learning in Whole-Slide Imaging

GCE-MIL एक बैकबोन-अज्ञेय (backbone-agnostic) ढांचा है जो होल-स्लाइड इमेजिंग के लिए मल्टीपल इंस्टेंस लर्निंग को सुदृढ़ करने हेतु पर्याप्तता (Sufficiency), आवश्यकता (Necessity) और पुनरुत्पादकता (Recoverability) (S/N/R) के लिए स्पष्ट रूप से अनुकूलित करता है ताकि निष्ठावान, पुनरुत्पादनीय साक्ष्य उत्पन्न किए जा सकें, जिससे वर्गीकरण प्रदर्शन में सुधार होता है और निरंतर अटेंशन स्कोर तथा विविक्त पैच चयन के बीच के अंतर को कम किया जा सके।

मूल लेखक: Xiangyu Li, Ran Su

प्रकाशित 2026-05-19

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Xiangyu Li, Ran Su

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप एक जासूस हैं जो एक अपराध को सुलझाने की कोशिश कर रहे हैं, लेकिन आपके पास घटनास्थल की एक एकल फोटो के बजाय, हजारों छोटे, धुंधले स्नैपशॉट्स वाला एक विशाल फोटो एल्बम है। आपका काम पूरे एल्बम को देखना और यह तय करना है: "क्या यह एक अपराध स्थल है?"

यह बिल्कुल वैसा ही है जैसे कंप्यूटर पैथोलॉजी में Whole-Slide Images (WSI) का विश्लेषण करते हैं। ऊतक (tissue) का एक एकल स्लाइड इतनी विशाल होती है कि उसे हजारों छोटे "पैच" (स्नैपशॉट्स) में तोड़ दिया जाता है। कंप्यूटर को निर्णय लेने के लिए उन सभी को देखना पड़ता है।

समस्या: "शोर मचाने वाला" लेकिन "अनुपयोगी" गवाह

वर्तमान AI विधियाँ एक तकनीक का उपयोग करती हैं जिसे Multiple Instance Learning (MIL) कहा जाता है। इसे ऐसे समझें कि कंप्यूटर एक न्यायाधीश की तरह कार्य कर रहा है जो हजारों गवाहों (पैच) को सुन रहा है।

न्यायाधीश यह तय करने के लिए Attention (ध्यान) का उपयोग करता है कि कौन से गवाह सबसे महत्वपूर्ण हैं। वह सबसे तेज़ या सबसे "दिलचस्प" गवाहों पर स्पॉटलाइट डालता है और कहता है, "ये वे लोग हैं जिन्होंने मुझे यह निर्णय लेने के लिए मनाया।"

लेख का तर्क है कि यह स्पॉटलाइट एक झूठा है।

लेखकों ने पाया कि वर्तमान AI अपने निर्णयों को समझाने के तरीके में तीन प्रमुख समस्याएं हैं:

अपर्याप्तता (The "Not Enough" Problem - "पर्याप्त नहीं" की समस्या): यदि आप केवल उन पैच को लेते हैं जिन्हें AI ने इंगित किया था और उन्हें एक नए न्यायाधीश को दिखाते हैं, तो वह नया न्यायाधीश अक्सर गलत उत्तर देता है। "साक्ष्य" वास्तव में मामले को हल करने के लिए पर्याप्त नहीं था।
अनावश्यकता (The "Not Needed" Problem - "जरूरत नहीं" की समस्या): यदि आप उन "महत्वपूर्ण" पैच को एल्बम से निकाल देते हैं, तब भी AI सही उत्तर देता है। इसका मतलब है कि जिन पैच को उसने महत्वपूर्ण बताया था, वे वास्तव में आवश्यक नहीं थे; AI केवल एल्बम के बाकी हिस्सों के आधार पर अनुमान लगा रहा था।
पुनर्प्राप्ति की कमी (The "Translation" Problem - "अनुवाद" की समस्या): प्रशिक्षण के दौरान, AI एक सुचारू, स्लाइडिंग स्केल (जैसे डिमर स्विच) का उपयोग करके गवाहों को चुनता है। लेकिन जब उसे अपना अंतिम उत्तर देना होता है, तो उसे एक सख्त "हाँ/नहीं" सूची चुननी पड़ती है। पेपर ने पाया कि अंतिम सूची अक्सर उस सुचारू स्केल से बिल्कुल अलग दिखती है जिसका उपयोग AI ने सीखने के दौरान किया था। यह एक शेफ की तरह है जो सूप चखता है और कहता है "थोड़ा नमक डालें," लेकिन परोसते समय पूरा डिब्बा ही डाल देता है।

समाधान: GCE-MIL (The "Truthful Detective" - "सच्चा जासूस")

लेखक एक नया सिस्टम प्रस्तावित करते हैं जिसे GCE-MIL कहा जाता है। केवल AI को सही उत्तर का अनुमान लगाने के लिए कहने के बजाय, वे इसे तीन सख्त नियमों का उपयोग करके यह साबित करने के लिए मजबूर करते हैं कि वह क्यों सही है:

Sufficiency (पर्याप्तता): "यदि मैं आपको केवल ये विशिष्ट पैच दिखाऊं, तो क्या आप अभी भी मामला सुलझा सकते हैं?" (साक्ष्य अपने आप में इतना मजबूत होना चाहिए कि मामला हल हो सके)।
Necessity (आवश्यकता): "यदि मैं इन पैच को हटा दूँ, तो क्या आपका उत्तर बदल जाएगा?" (साक्ष्य वास्तव में महत्वपूर्ण होना चाहिए)।
Recoverability (पुनर्प्राप्ति): "क्या अंतिम पैच की सूची उस तर्क से मेल खाती है जिसका उपयोग AI ने सीखने के दौरान किया था?" (कोई अनुवाद त्रुटि नहीं)।

यह कैसे काम करता है: "एंकर" और "सुरक्षा जाल"

इसे साकार करने के लिए, GCE-MIL मौजूदा AI मॉडल में एक विशेष परत जोड़ता है। यहाँ इसकी रचनात्मक उपमा दी गई है कि यह कैसे काम करता है:

The Semantic Anchors (The "Mental Checklist" - "मानसिक चेकलिस्ट"):
कल्पना कीजिए कि AI ट्यूमर को पहचानने के लिए सीख रहा है। "अजीब आकृतियों" को खोजने के बजाय, GCE-MIL इसे विशिष्ट चिकित्सा अवधारणाओं की एक चेकलिस्ट देता है, जैसे "ग्रैंड फॉर्मेशन" (gland formation) या "मृत कोशिकाएं" (necrosis)। यह AI को उन पैचों को खोजने के लिए मजबूर करता है जो वास्तव में वास्तविक दुनिया की अवधारणाओं से मेल खाते हैं, न कि केवल उन चीजों को चुनने के लिए जो गणितीय रूप से "तेज़" दिखती हैं। यह जासूस को केवल अंदाज़ा लगाने देने के बजाय उसे सबूतों की एक विशिष्ट सूची देने जैसा है।
Noisy-OR Coverage (The "Team Effort" Rule - "टीम वर्क" का नियम):
पुराने तरीके में, यदि एक पैच "बहुत महत्वपूर्ण" था, तो AI अन्य पैच को अनदेखा कर देता था। GCE-MIL "Noisy-OR" नामक एक तर्क का उपयोग करता है। कल्पना कीजिए कि जासूसों की एक टीम है। यदि टीम में से कोई भी एक महत्वपूर्ण सुराग पाता है, तो मामला सुलझ जाता है। लेकिन यदि दो जासूस एक ही सुराग पाते हैं, तो इससे मामला दोगुना हल नहीं होता है। यह AI को विभिन्न प्रकार के साक्ष्यों को कवर करने वाले पैच की एक विविध टीम चुनने के लिए प्रोत्साहित करता है, न कि केवल पांच ऐसे पैच चुनने के लिए जो एक जैसे दिखते हों।
Threshold-Plus-Repair (The "Safety Net" - "सुरक्षा जाल"):
जब AI सीखना समाप्त कर लेता है, तो उसके पास "शायद" वाले पैच की एक सुचारू सूची होती है। अंतिम उत्तर प्राप्त करने के लिए, उसे एक सख्त सूची चुननी होती है। GCE-MIL एक "रिपेयर" (मरम्मत) चरण का उपयोग करता है। यह एक मोटे कट (जैसे थ्रेशोल्ड) के साथ शुरू होता है और फिर जाँच करता है: "क्या हमने कोई सुराग छोड़ दिया है?" यदि उत्तर हाँ है, तो यह सर्वोत्तम छूटे हुए हिस्सों को वापस जोड़ देता है। यह सुनिश्चित करता है कि अंतिम सूची AI के आंतरिक तर्क का एक वफादार अनुवाद है।

परिणाम: बेहतर उत्तर, तेज़ गति

पेपर ने 9 अलग-अलग प्रकार के मेडिकल डेटासेट्स (ब्रेस्ट कैंसर, प्रोस्टेट कैंसर, लंग कैंसर आदि को कवर करते हुए) और 9 अलग-अलग AI आर्किटेक्चर पर इस नए सिस्टम का परीक्षण किया।

बेहतर सटीकता: AI न केवल खुद को बेहतर ढंग से समझाने में बेहतर हुआ; बल्कि यह निदान करने में भी बेहतर हुआ। औसतन, सटीकता में महत्वपूर्ण सुधार हुआ।
वफादार साक्ष्य: "गैप" जो AI ने प्रशिक्षण के दौरान सोचा था और जो अंत में दिखाया, वह बहुत छोटा (लग लगभग शून्य) हो गया।
गति: क्योंकि यह सिस्टम पैच का एक छोटा, सटीक सेट चुनने में माहिर है (कुल का लगभग 5%), यह अंतिम निदान के दौरान 5 गुना तेज़ चल सकता है। यह एक जासूस के यह महसूस करने जैसा है कि अपराध सुलझाने के लिए उसे 1,000 के बजाय केवल 5 फोटो देखने की आवश्यकता है।

सारांश

संक्षेप में, वर्तमान AI एक ऐसे छात्र की तरह है जो उत्तर कुंजी (answer key) को रट लेता है लेकिन चरणों को समझा नहीं सकता। GCE-MIL छात्र को अपना काम दिखाने, यह साबित करने के लिए मजबूर करता है कि उसके चरण आवश्यक हैं, और यह सुनिश्चित करने के लिए कि अंतिम उत्तर वास्तविक चिकित्सा अवधारणाओं के ठोस आधार पर बना है। परिणाम एक ऐसा सिस्टम है जो न केवल स्मार्ट है, बल्कि इस बारे में भी अधिक ईमानदार है कि उसने निर्णय क्यों लिया।

तकनीकी सारांश: GCE-MIL: होल-स्लाइड इमेजिंग में मल्टीपल इंस्टेंस लर्निंग के लिए निष्ठावान और पुनर्प्राप्त करने योग्य साक्ष्य

1. समस्या विवरण

कंप्यूटेशनल पैथोलॉजी में, होल-स्लाइड इमेजेस (WSIs) को आमतौर पर मल्टीपल इंस्टेंस लर्निंग (MIL) का उपयोग करके प्रोसेस किया जाता है, जहाँ एक स्लाइड को हजारों टिश्यू पैचेस के एक "बैग" के रूप में माना जाता है, और सुपरविजन केवल स्लाइड-स्तर पर उपलब्ध होता है। मानक अटेंशन-आधारित MIL मॉडल (जैसे, ABMIL, CLAM, TransMIL) स्लाइड-स्तर के लेबल की भविष्यवाणी करने के लिए पैच फीचर्स को एकत्रित करते हैं। जबकि ये मॉडल अक्सर अपनी भविष्यवाणियों के लिए "साक्ष्य" (evidence) के रूप में अटेंशन वेट्स को विज़ुअलाइज़ करते हैं, यह शोध पत्र तर्क देता है कि यह अभ्यास दो अलग-अलग उद्देश्यों को मिला देता है: वर्गीकरण सटीकता (classification accuracy) और साक्ष्य की गुणवत्ता (evidence quality)।

लेखक अटेंशन वेट्स को साक्ष्य के रूप में उपयोग करने में तीन व्यवस्थित विफलताओं की पहचान करते हैं:

अपर्याप्तता (Insufficiency): केवल सर्वाधिक-अटेंडेड (top-attended) पैचेस को बनाए रखने से अक्सर मूल भविष्यवाणी सुरक्षित नहीं रहती है। 9 डेटासेट्स में, केवल अटेंशन टॉप-k पैचेस रखने से फुल बैग की तुलना में मैक्रो-F1 औसत रूप से 0.078 गिर जाता है।
अनावश्यकता (Unnecessity): शीर्ष-अटेंडेड पैचेस को हटाने से अक्सर भविष्यवाणी पर बहुत कम प्रभाव पड़ता है, जो इंगित करता है कि मॉडल अन्य स्थानों पर मौजूद रेडंडेंट (redundant) जानकारी पर निर्भर है। अटेंशन टॉप-k को हटाने से मैक्रो-F1 औसतन केवल 0.033 बदलता है।
अपुनर्प्राप्यता (Unrecoverability): प्रशिक्षण के दौरान सीखे गए निरंतर (continuous) अटेंशन स्कोर और इन्फरेंस के दौरान निकाले गए असतत (discrete) सबसेट्स के बीच एक महत्वपूर्ण अंतर है। मानक ABMIL के लिए, यह निरंतर-असतत (C-D) गैप 0.029 है, जिसका अर्थ है कि असतत साक्ष्य निरंतर सिग्नल का निष्ठावान प्रतिनिधित्व नहीं करते हैं।

इसके अलावा, पेपर नोट करता है कि WSI साक्ष्य अक्सर गैर-अद्वितीय (non-unique) होते हैं; एक ही स्लाइड में कई विलगित (disjoint) पैचेस के सेट हो सकते हैं जो व्यक्तिगत रूप से निदान के लिए पर्याप्त हैं, फिर भी मानक अटेंशन मैकेनिज्म इन्हें एक एकल रैंकिंग में समाहित कर देते हैं, जिससे संरचनात्मक अस्पष्टता को पकड़ने में विफलता होती है।

2. कार्यप्रणाली: GCE-MIL

लेखक GCE-MIL (ग्राउंडेड कंटीन्यूअस एविडेंस MIL) प्रस्तावित करते हैं, जो एक बैकबोन-अज्ञेय (backbone-agnostic) रैपर है जिसे वर्गीकरण के उपोत्पाद के रूप में मानने के बजाय सीधे साक्ष्य की गुणवत्ता को अनुकूलित करने के लिए डिज़ाइन किया गया है। यह फ्रेमवर्क तीन मानदंडों पर आधारित है: पर्याप्तता (Sufficiency), आवश्यकता (Necessity), और पुनर्प्राप्ति (Recoverability) (S/N/R)।

मुख्य घटक

सिमेंटिक एंकर ग्राउंडिंग (आवश्यकता को संबोधित करना):
- चयन को शुद्ध रूप से वर्गीकरण ग्रेडिएंट्स से सीखने के बजाय, GCE-MIL पैच चयन को डोमेन-विशिष्ट सिमेंटिक अवधारणाओं (जैसे, "न्यूक्लियर प्लियोमोर्फिज्म," "माइटोटिक एक्टिविटी") में ग्राउंड करता है।
- यह TITAN, जो एक पैथोलॉजी विजन-लैंग्वेज मॉडल है, से प्राप्त $M=8$ फ्रोजन टेक्स्ट एम्बेडिंग्स के एक बैंक का उपयोग करता है।
- एक लो-रैंक एडेप्टर और एक ब्रिज नेटवर्क पैच फीचर्स को एंकर स्पेस में मैप करता है। सेलेक्टर को यह सुनिश्चित करने के लिए प्रशिक्षित किया जाता है कि चयनित पैचेस इन नैदानिक अवधारणाओं के साथ संरेखित हों, जिससे विज़ुअली सैलिएंट (visually salient) लेकिन अप्रासंगिक क्षेत्रों के चयन को रोका जा सके।
नोइज़ी-ओआर कवरेज के साथ निरंतर सेलेक्टर (पर्याप्तता को संबोधित करना):
- मॉडल पैच समावेश निर्धारित करने के लिए एक निरंतर सेलेक्टर $\pi \in [0, 1]^N$ का उपयोग करता है।
- कई नैदानिक अवधारणाओं में साक्ष्य को एकत्रित करने के लिए, फ्रेमवर्क मीन पूलिंग या अटेंशन के बजाय Noisy-OR coverage का उपयोग करता है। एक विशिष्ट एंकर $m$ के लिए, कवरेज की गणना इस प्रकार की जाती है: $v_m(\pi) = 1 - \prod_i (1 - \pi_i r_{im})$ ।
- यह मैकेनिज्म पैचेस को स्वतंत्र साक्ष्य चैनलों के रूप में मॉडल करता है जिनमें घटते सीमांत प्रतिफल (diminishing marginal returns) होते हैं। यह सिद्ध है कि यह मोनोटोन सबमॉड्यूलर (monotone submodular) है, जो सिद्धांत-आधारित ग्रीडी ऑप्टिमाइज़ेशन की अनुमति देता है। यह सुनिश्चित करता है कि चयनित सबसेट बिना रेडंडेंसी के आवश्यक नैदानिक अवधारणाओं को कवर करे।
थ्रेशोल्ड-प्लस-रिपेयर डिस्क्रीट रिकवरी (पुनर्प्राप्ति को संबोधित करना):
- इन्फरेंस के समय, निरंतर सेलेक्टर को threshold-plus-repair प्रक्रिया के माध्यम से एक असतत (discrete) सबसेट में परिवर्तित किया जाता है।
- पहले, पैचेस को थ्रेशोल्ड किया जाता है (जैसे, $\pi_i > 0.5$ )। यदि परिणामी सबसेट एक कवरेज लक्ष्य (जैसे, 95% एंकर कवरेज) को पूरा करने में विफल रहता है, तो एक ग्रीडी रिपेयर एल्गोरिदम नोइज़ी-ओआर यूटिलिटी के सटीक मार्जिनल गेन के आधार पर पैचेस जोड़ता है।
- यह सुनिश्चित करता है कि असतत सबसेट निरंतर सेलेक्टर का एक निष्ठावान रिकवरी है, जिससे C-D गैप न्यूनतम हो जाता है।

प्रशिक्षण उद्देश्य

रैपर को होस्ट बैकबोन के साथ एक कंपोजिट लॉस का उपयोग करके संयुक्त रूप से प्रशिक्षित किया जाता है:
$L = L_{task} + \lambda_b L_{budget} + \lambda_g L_{ground}$

$L_{task}$ : मूल वर्गीकरण या सर्वाइवल लॉस (भविष्यवाणी क्षमता को बनाए रखना)।
$L_{budget}$ : स्पर्सिटी (sparsity) लागू करता है (जैसे, ~5% पैचेस चुनना) ताकि पर्याप्तता (Sufficiency) को बढ़ावा मिले।
$L_{ground}$ : सेलेक्टर को नोइज़ी-ओआर एंकर रिस्पॉन्स के साथ संरेखित करता है ताकि आवश्यकता (Necessity) को बढ़ावा मिले।
टेम्परेचर एनीलिंग: सेलेक्टर के तापमान को प्रशिक्षण के दौरान 1.0 से 0.4 तक एनील किया जाता है ताकि गेट डिस्ट्रीब्यूशन को बाइमॉडल (bimodal) शासन की ओर धकेला जा सके, जिससे डिस्क्रीट रिकवरी सुलभ हो सके।

इंजेक्शन मोड

GCE-MIL एक प्लग-इन रैपर है जो विभिन्न बैकबोन आर्किटेक्चर के अनुकूल होता है:

अटेंशन-आधारित बैकबोन्स (ABMIL, CLAM): इसे अटेंशन-लॉगिट बायस के रूप में इंजेक्ट किया जाता है ( $\alpha_i \leftarrow \alpha_i + \log \pi_i$ )।
टोकन-आधारित बैकबोन्स (TransMIL, DTFD-MIL): इसे फीचर रीवेटिंग के रूप में इंजेक्ट किया जाता है ( $h_i \leftarrow \pi_i \cdot h_i$ )।
हाइब्रिड/मल्टी-पाथ बैकबोन्स: दोनों का संयोजन।

3. मुख्य योगदान

साक्ष्य गुणवत्ता का औपचारिककरण: पेपर MIL साक्ष्य का मूल्यांकन करने के लिए तीन मानदंडों (पर्याप्तता, आवश्यकता, और पुनर्प्राप्ति) को परिभाषित और संचालित करता है, और यह प्रदर्शित करता है कि मानक अटेंशन-आधारित तरीके तीनों में विफल रहते हैं।
मिनिमल-सबसेट डायग्नोस्टिक: BRACS डेटासेट पर एक रिकर्सिव विश्लेषण प्रकट करता है कि 72.67% वैलिडेशन स्लाइड्स कम से कम दो विलगित पर्याप्त (disjoint sufficient) सबसेट्स को स्वीकार करती हैं, जो एकल अटेंशन रैंकिंग से परे साक्ष्य चयन की आवश्यकता को प्रेरित करती है।
GCE-MIL फ्रेमवर्क: एक मॉड्यूल-आधारित रैपर जो सिमेंटिक ग्राउंडिंग, नोइज़ी-ओआर कवरेज और डिस्क्रीट रिकवरी को एकीकृत करता है। इसे मौजूदा बैकबोन्स के प्रति ऑर्थोगोनल (orthogonal) बनाया गया है, जो उनके कोर एग्रीगेशन मैकेनिज्म को बदले बिना उन्हें बेहतर बनाता है।
व्यापक मूल्यांकन: विधि का मूल्यांकन 9 $\times$ 9 ग्रिड (9 बैकबोन्स $\times$ 9 डेटासेट्स) के माध्यम से किया गया है, जिसमें वर्गीकरण (BRACS, PANDA, TCGA-BRCA, TCGA-NSCLC) और सर्वाइवल प्रेडिक्शन (TCGA-LUAD, STAD, UCEC, KIRP, KIRC) दोनों शामिल हैं।

4. परिणाम

मूल्यांकन दर्शाता है कि S/N/R के लिए अनुकूलन करने से साक्ष्य की गुणवत्ता में सुधार होता है और कई मामलों में भविष्य कहने की क्षमता (predictive performance) भी बढ़ती है।

भविष्यवाणी प्रदर्शन (Predictive Performance): 81 कॉन्फ़िगरेशनों में, GCE-MIL औसत मैक्रो-F1 में 0.024 और C-इंडेक्स में 0.014 का सुधार करता है। सबसे बड़े लाभ चुनौतीपूर्ण, सूक्ष्म-स्तरीय कार्यों (जैसे, BRACS 7-क्लास क्लासिफिकेशन) पर देखे गए, जहाँ ABMIL मैक्रो-F1 0.634 से बढ़कर 0.703 (+6.9 पॉइंट्स) हो गया।
साक्ष्य गुणवत्ता (हस्तक्षेप डायग्नोस्टिक्स):
- पर्याप्तता (Sufficiency): GCE साक्ष्य रखने से फुल-बैग स्कोर में केवल 0.004 का परिवर्तन होता है, जबकि अटेंशन टॉप-k के लिए 0.078 की गिरावट आती है।
- आवश्यकता (Necessity): GCE साक्ष्य को हटाने से 0.176 का प्रदर्शन ड्रॉप होता है, जबकि अटेंशन टॉप-k के लिए केवल 0.033 होता है।
- पुनर्प्राप्ति (Recoverability): निरंतर-असतत गैप ABMIL के 0.029 से घटकर GCE के साथ 0.004–0.005 रह जाता है।
दक्षता (Efficiency): वैकल्पिक टाइल प्रीफिल्टरिंग (फीचर एक्सट्रैक्शन से पहले गैर-चयनित पैचेस को छोड़ना) के साथ, इन्फरेंस 5 $\times$ तेज़ चलता है जबकि 0.989 $\times$ फुल-बैग उपयोगिता को बनाए रखता है। कैश किए गए फीचर्स के साथ भी, MIL एग्रीगेशन समय मूल का 0.22 $\times$ तक कम हो जाता है।
लोकलाइजेशन (Localization): CAMELYON-16 डेटासेट पर, GCE जोड़ने से डाइस स्कोर (जैसे, TransMIL का 0.103 से 0.398 होना) और FROC स्कोर में सुधार होता है, जो एनोटेटेड ट्यूमर क्षेत्रों के साथ बेहतर स्थानिक संरेखण (spatial alignment) का संकेत देता है।

5. महत्व और दावे

पेपर का दावा है कि GCE-MIL, MIL में एक मौलिक अंतर को संबोधित करता है: यह धारणा कि वर्गीकरण सटीकता निष्ठावान साक्ष्य का अर्थ है। साक्ष्य के लिए S/N/R को स्पष्ट रूप से अनुकूलित करके, यह विधि ऐसा साक्ष्य उत्पन्न करती है जो:

स्व-निहित (Self-contained) है: चयनित पैचेस अकेले भविष्यवाणी को सुरक्षित रखते हैं।
महत्वपूर्ण (Critical) है: चयनित पैचेस को हटाने से भविष्यवाणी खराब हो जाती है।
निष्ठावान (Faithful) है: इन्फरेंस के दौरान असतत साक्ष्य, प्रशिक्षण के दौरान सीखे गए निरंतर सिग्नल से मेल खाता है।

लेखक इस बात पर जोर देते हैं कि GCE-MIL एक रैपर है न कि बैकबोन का विकल्प, जो इसे मौजूदा MIL आर्किटेक्चर की एक विस्तृत श्रृंखला के लिए लागू करने योग्य बनाता है। परिणाम बताते हैं कि साक्ष्य की गुणवत्ता केवल एक पोस्ट-हॉक व्याख्यात्मकता (interpretability) संबंधी चिंता नहीं है, बल्कि एक ऐसा कारक है जिसे अनुकूलित करने पर, यह अंतर्निहित भविष्य कहने वाले मॉडल की मजबूती और सटीकता को बढ़ा सकता है, विशेष रूप से जटिल, बहु-अवधारणा नैदानिक परिदृश्यों में। यह कार्य यह भी रेखांकित करता है कि मानक अटेंशन मैकेनिज्म अक्सर पैथोलॉजिकल साक्ष्य की गैर-अद्वितीय, बहु-स्रोत प्रकृति को कैप्चर करने में विफल रहते हैं, एक ऐसी सीमा जिसे GCE-MIL अपने कवरेज-आधारित दृष्टिकोण के माध्यम से कम करता है।