随着医疗影像分析的快速发展，病理图像的自动分类方法成为推动临床病理学实践的重要工具。然而，像素级标注的不足成为制约病理图像自动分类方法发展的关键瓶颈。针对这一问题，本项目提出了一种结合弱监督学习的多实例学习方法，聚焦于肺癌和乳腺癌病理图像，通过基于状态空间对偶模型的长序列建模和多序列特征融合方法，实现了准确的分类性能。所提出的多序列融合方法能够有效利用顺序有关和顺序无关的特征，为病理图像分类提供更全面的信息利用。项目成果表明，所提出的模型在病理图像分类任务中表现优异，在肺腺癌和肺鳞状细胞癌分类任务上AUC值达到了95.3%，分类准确率为87.9%，这一成果为病理图像自动分类提供了有力支持。