关于weakly supersived classification实验结果的疑惑（CTransPath论文中提到的CLAM-SB的结果和CLAM论文中提到的差距极大）

[Shentl]

您好

CTransPath 论文中，在“Table 7. Results of weakly-supervised classification on three public datasets.”中有提到在CAMELYON16数据集上，保持数据集默认的划分，CLAM-SB 的分类结果acc=0.837, auc=0.873；然而，在CLAM的论文中（“Data-efficient and weakly supervised computational pathology on whole-slide images”），CAMELYON16数据集上CLAM-SB的acc是0.936，这里面auc的差距极大，有6.3%，您能解释一下吗？

另外，我按论文里说的用CTransPath提取CAMELYON16特征，然后训练CLAM-SB，只是将feature_size改为768，得到的结果auc最好时的确是0.94左右，但acc最好时只有0.87左右，更换了seed也没有用。

您能帮忙解释一下这两个问题吗？

[Xiyue-Wang]

@Shentl 关于clam原文的结果为啥这么高，不晓得为啥，因为大家都没复现出来这么高过，你可以看看clam,transmil 都是如此，也许是clam加17的数据？你可以发邮件询问原文作者。
第二个用了，我们的特征，acc 是一个trad-off的值，可以根据阈值调整，主要还是看auc

[Shentl]

然而我按CLAM代码跑了一下auc的确会到0.935（会稳定一段时间）

[Shentl]

只是使用CAMELYON16，CALM论文里提到“ Our best model achieved a test AUC of 0.936 ”时也明确了是在CAMELYON16的270WSIs上训练，129WSIs测试的

[Xiyue-Wang]

然而我按CLAM代码跑了一下auc的确会到0.935（会稳定一段时间）

那就没问题

[Xiyue-Wang]

只是使用CAMELYON16，CALM论文里提到“ Our best model achieved a test AUC of 0.936 ”时也明确了是在CAMELYON16的270WSIs上训练，129WSIs测试的

这个就不晓得了，dsmil，transmil，所有人跑都没这么高过，你能达到这么高吗？

[Xiyue-Wang]

然而我按CLAM代码跑了一下auc的确会到0.935（会稳定一段时间）

用imgnet的特征的？

[Shentl]

是用的CLAM代码里的imagenet预训练的resnet50

[Xiyue-Wang]

是用的CLAM代码里的imagenet预训练的resnet50

那就不清楚了，你可以多看看其他的论文，我们没办法用imgnet达到这么高的，不晓得你咋达到的

[Shentl]

好吧，只能说很神奇

[Shentl]

是否是因为在CLAM获取CAMELYON的patch时不同的设置导致的结果差异，做了一下不同参数提取patch的实验，使用create_patches_fp.py的默认参数最后的auc就是0.89，使用 create_patches_fp.py --preset bwh_biopsy.csv来划分CAMELYON的patch，auc就有0.936

[Shentl]

Hi, 还有一个问题，我在TCGA-RCC数据集上用CTransPath预训练模型跑CLAM-SB的确能达到0.99左右的AUC，但ACC只有0.928，RCC数据集用于做3分类，无法像之前提到的那样调阈值来改变ACC

acc 是一个trad-off的值，可以根据阈值调整，主要还是看auc

所以想问一下论文中0.967的ACC是怎么来的呢？

[ACNicotine]

是否是因为在CLAM获取CAMELYON的patch时不同的设置导致的结果差异，做了一下不同参数提取patch的实验，使用create_patches_fp.py的默认参数最后的auc就是0.89，使用 create_patches_fp.py --preset bwh_biopsy.csv来划分CAMELYON的patch，auc就有0.936

实际上我用的默认参数提取特征后再用CLAM发布的模型去测试也达到了0.93的acc，auc记不太清了。也就是说和提取特征关系不大，不知道在训练的时候CLAM的作者用了什么trick，我自己跑的话一般acc只有0.84，auc只有0.90。