本文针对全切片图像分类中多实例学习忽略上下文、Transformer计算复杂、状态空间模型打乱语义顺序的问题，提出SemaMIL方法。该方法包含语义重排模块，通过可逆置换将语义相似的图像块聚类排列；以及语义引导检索状态空间模块，选择代表性查询子集调整状态空间参数，实现高效全局建模。在四个WSI数据集上验证了方法的有效性。