• 목록

[일시] 2026.01.21

[세미나 주제]
Weakly Supervised Learning & Multiple Instance Learning in Histopathology Whole Slide Image

[발표자]
정화용

[요약]
본 발표에서는 병리 Whole Slide Image(WSI) 환경에서 발생하는 label scarcity 문제를 중심으로, Weakly Supervised Learning과 Multiple Instance Learning(MIL)의 필요성과 방법론을 소개하였다. WSI는 수천 개 이상의 patch로 구성된 초고해상도 이미지로, pixel-level 또는 patch-level annotation이 현실적으로 불가능하며, 실제 임상에서는 slide-level diagnosis만 제공되는 weak supervision 환경이 일반적이다. 이러한 특성으로 인해 병리 영상 분석은 자연스럽게 MIL 문제 구조와 일치된다. 먼저 classical MIL 기반 접근에서는 top-k tile selection을 통해 slide-level 예측을 수행하는 학습 파이프라인을 소개하였으며, RNN 기반 aggregation을 통해 단일 patch 의존성을 완화하고 임상적으로 의미 있는 성능을 달성할 수 있음을 보였다. 그러나 hard instance selection은 noisy tile과 diffuse lesion 상황에 취약하다는 한계가 존재한다. 이후 Attention-based Deep MIL에서는 MIL을 learnable pooling 문제로 재정의하고, attention mechanism을 통해 instance 중요도를 soft하게 학습하는 구조를 다루었다. Attention 및 gated attention 기법은 중요한 instance를 효과적으로 강조하면서도 안정적인 학습을 가능하게 하며, 다양한 benchmark 및 병리 데이터셋 실험을 통해 기존 MIL 방법들과 경쟁력 있는 성능을 확인하였다. 본 발표는 병리 WSI 분석에서 핵심은 instance-level 정답이 아닌, weak supervision 하에서 slide-level 표현을 어떻게 효과적으로 집계하느냐에 있음을 강조하며, Weakly Supervised Learning의 대표적 예시인 MIL을 소개하였다.
 
[관련 논문]
- Attention-based Deep Multiple Instance Learning
- Clinical-grade computational pathology using weakly supervised deep learning

[녹화 영상]
https://us06web.zoom.us/rec/share/OSJElzAua75SI96unKnyYXSAFSNGS6GT1jB3BlppZk_Mk-4x_XXN5NOGRqqsCvIZ.BAUWYmvCDYUBcL8-