ProtoMIL：全スライド画像分類のための典型部品を用いた複数インスタンス学習

複数インスタンス学習（MIL）は、その弱い監視の特性により、多くの実世界の機械学習アプリケーションで人気を集めています。しかし、MILの説明に関する努力は遅れており、特定の予測に重要なバッグのインスタンスを提示することに限られています。本論文では、視覚的プロトタイプに基づくケースベースの推論プロセスからインスパイアされた、新しい自己説明可能なMIL手法であるProtoMILを導入することによってこのギャップを埋めます。ProtoMILは、オブジェクトの説明に典型的な特徴を組み込むことで、モデルの正確性と詳細な解釈可能性を前例のない形で結びつけており、五つの認識されたMILデータセットに関する実験結果を示します。