肝癌全扫描病理图像识别产品系统

面向数字病理场景，应用于全视野病理切片（WSI）的肝癌检测、病灶定位及临床辅助诊断。

1. 针对仅具备 slide-level 标签的病理全扫描图像（WSI），将肿瘤识别任务建模为多实例学习（MIL）问题
2. 复现并训练 DSMIL 双流注意力模型，对比其与传统 Pooling 方法在正样本稀疏场景下的判别行为差异
3. 在实例特征提取阶段引入 SimCLR 自监督预训练，用于缓解 ImageNet 预训练与病理影像之间的分布差异
4. 基于注意力权重对关键 Patch 进行可视化，用于辅助分析模型决策依据

本人负责：
1. Linux + PyTorch 环境配置及 DSMIL 工程复现；
2. 编写数据下载与预处理脚本，实现 TCGA-LIHC 数据自动获取及 WSI Patch 切分；
3. 基于 SimCLR 完成自监督特征提取网络训练，实现领域特征学习；
4. 实现 DSMIL 双流 MIL 聚合网络训练、5 折交叉验证及模型评估；
5. 完成 Attention 热图可视化，提高模型可解释性；
6. 完成医院病理数据格式转换、标签整理及跨数据集迁移学习验证。