数字切片扫描技术和高性能运算硬件的不断完善促进了深度学习方法在组织病理学领域的广泛应用。现有工作主要基于多示例学习框架,使用卷积神经网络实现对病理切片的分析。然而,这些模型在分析病理切片方面的性能不佳,主要原因包括:1)卷积神经网络的模型参数过大;2)多示例学习中使用全切片图像级别的标注带来的噪声干扰。为了构建高效轻量化模型对病理图像进行分类的同时减弱噪声标签的干扰,本文提出了一种融合多尺度信息的端到端多示例学习框架,具体如下:（1）提出了一种高效特征融合的金字塔轻量化框架。卷积神经网络作为组织病理学领域常用的深度学习方法通常面临着两个问题:1)基于卷积神经网络框架的方法虽然达到了很高的准确率,但增加了模型参数和计算复杂度;2)平衡模型精度和计算量之间的关系,使其在轻量化的基础上尽可能的保持并提升模型的分类精度。在本文中,我们提出了一种基于视觉深度自注意力网络（Vision Transformer,ViT）的新型多示例学习轻量化模型,该模型通过结合多示例和多感受野有效地解决了上述问题。具体而言,首先,为了减少模型参数量,引入了轻量化词元聚合的深度自注意力网络（Tokens-to-Token Vision Transformer,T2T-ViT）,可代替卷积神经网络作为模型的特征提取器。然后,通过结合多感受野的图像金字塔提升模型性能,使其可以同时考虑到细胞结构的局部与全局特征。实验结果表明:金字塔轻量化框架极大地减少了模型参数量和计算复杂度,并且分类效果明显优于卷积神经网络的方法。（2）提出了一种基于特征损失的多尺度端到端架构。多示例学习作为组织病理学领域常用的弱监督学习方法通常面临着两个问题:1)在数学假设下,标签为正的全切片图像的所有示例都是正的,这不完全正确且在训练中存在噪声标签的干扰;2)单尺度数据下缺乏从多个角度获取图像信息的能力。在本文中,我们提出了一种融合多尺度示例信息的端到端模型,该模型通过整合特征损失和融合多尺度示例信息解决了上述问题。具体而言,首先,为了减弱噪声标签的影响,构建端到端模型将全切片图像级别和示例级别的信息整合到一起。然后,为了获得更加丰富的示例级别的信息,通过多感受野金字塔将对应尺度下的示例级别的损失相加作为总体示例级别的损失。实验结果表明:多尺度端到端架构分类效果明显优于全切片级别或示例级别的方法。