本研究では、高解像度マルチモーダル画像における腫瘍の検出のためのパッチベースの二値分類に焦点を当てています。パッチごとの多ラベル分類は、全ピクセルセグメンテーションに代わる効率的な手法として提案され、特にターゲットオブジェクトの存在確認において効果的です。しかし、この手法は腫瘍パッチが大きな組織領域を含む傾向があり、非腫瘍パッチは主に小さな組織領域を含む背景から成るため、パッチの構成とラベル間に虚偽相関を導入する可能性があることが示されました。この虚偽相関によってモデルの予測に偏りが生じるメカニズムについて議論し、特にGERNEというデバイアシング手法を用いてその影響を軽減するアプローチを提案しています。実験結果は、デバイアシングにより特定の重要なマイノリティ事例に対するモデルの性能が改善されることを示しており、パッチベースの分類問題における虚偽相関に配慮した学習の重要性を強調しています。