MAD-MIL是数字病理学中的图像分类模型，基于多头注意力机制和深度多实例学习。该模型在简化复杂度的同时，与其他先进模型竞争并超越多个数据集。它提升了切片表示的信息多样性、可解释性和效率，是自动化病理工作流程的有希望的解决方案。

该文介绍了一种基于数据驱动知识融合的深度多实例学习算法（DKMIL），使用知识融合模块和两级注意力模块提高分类效果。实验结果证明了该算法的可扩展性和有效性。