Key points are not available for this paper at this time.
结直肠癌（CRC）诊断基于从活检获得的样本，在病理实验室进行评估。由于人口增长和老龄化，以及更好的筛查程序，CRC的发病率一直在增加，从而导致病理学家的工作负担加重。因此，应用人工智能进行自动化CRC诊断，尤其是在全切片图像（WSI）方面，具有重要意义，以帮助专业人员进行病例分流和案例审查。在这项工作中，我们提出了一种可解释的半监督方法，通过多实例学习和特征聚合方法来高灵敏度地检测结直肠活检中的病变。该模型是在最近公开可用的扩展版CRC数据集（CRC+数据集，包含4433个WSI）上开发的，使用3424个切片进行训练，1009个切片进行评估。所提出的方法在切片基础评估上达到了90.19%的分类ACC，98.8%的灵敏度，85.7%的特异性，以及0.888的二次加权kappa值。其泛化能力也在两个公开可用的外部数据集上进行了研究.
Neto等人（星期三）研究了这个问题。