例如,如果没有成功的从噪声中全部去噪,那么就会导致伪影等问题,此外,前向过程也影响着反向过程,从而影响采样效率。与需要多个积分步骤来模拟过程的曲线路径相比，直线路径可以通过单一步骤模拟，且不易积累误差。由于每个步骤都对应神经网络的评估，这对采样速度有直接影响。

使用MIL算法进行全像素的运行，可以识别出其中的阳性与阴性区域 在诊断中，病理中阳性的区域范围其实少于20%，因此需要专家来进行标注，这种标注费时费力。 把一个wsi看成一个含有多个patch的bag，如果其中有一个阳性则阳性。patch级别的特征被提取然后聚类，最终变成slide级别的标签 但是当前主要问题为:如果阳性的切片非常少，使用简单的聚类操作的时候比如最大池化，会把模型分类分错。这是因为，在MIL的假设下，与完全监督的训练相比，最大池化会导致决策边界的转移