ReaMIL: Reasoning- and Evidence-Aware Multiple Instance Learning for Whole-Slide Histopathology
ReaMIL：基于推理和证据的多实例学习用于整张滑片病理学
机构 * Yonsei University（延世大学） ； KAIST（韩国科学技术院）
AI总结 ReaMIL通过引入轻量选择头改进多实例学习，实现紧凑证据集和高准确率，在病理学图像分类中表现优异。
Comments Accepted at LFMBio Workshop, WACV 2026. Oral Presentation
Journal ref Proceedings of the IEEE/CVF Winter Conference on Applications of Computer Vision (WACV) Workshops, March 2026, pp. 40-45
