本研究探讨了多实例学习在计算病理学中的应用，通过对抽样补丁进行训练，该方法在计算效率和正则化方面表现出色。实验结果显示，不同采样大小对性能和解释性有影响。使用30%的补丁在CAMELYON16数据集上实现了1.7%的性能提升，而在TUPAC16数据集上仅使用8个样本就实现了3.7%的性能提升。此外，端到端训练比预先提取的特征更有效，进一步展示了这种方法的潜力。