文献

J-GLOBAL ID：202002235296306569   整理番号：20A2571731

病理学における意味論的セグメンテーションのためのクラス比率を用いた負の擬似ラベリング【JST・京大機械翻訳】

Negative Pseudo Labeling Using Class Proportion for Semantic Segmentation in Pathology

著者 (6件)： Tokunaga Hiroki (Kyushu University, Fukuoka, Japan) ,  Iwana Brian Kenji (Kyushu University, Fukuoka, Japan) ,  Teramoto Yuki (Kyoto University Hospital, Kyoto, Japan) ,  Yoshizawa Akihiko (Kyoto University Hospital, Kyoto, Japan) ,  Bise Ryoma (Kyushu University, Fukuoka, Japan) ,  Bise Ryoma (Research Center for Medical Bigdata, National Institute of Informatics, Tokyo, Japan)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12360  ページ： 430-446  発行年： 2020年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 病理診断では,腺癌サブタイプの割合が術後再発率と生存時間に関連するので,病理学的画像に対する癌サブタイプの割合はいくつかの病院で診断情報として記録されている。本論文では,弱い教師つきラベルとしてそのような比例ラベルを用いるサブタイプセグメンテーション法を提案した。推定クラスレートが注釈付きクラスレートよりも高いならば,ネガティブ擬似ラベルを生成し,「入力画像は,標準擬似ラベルに加えて,このネガティブラベルに属さない」ことを示した。それは,低信頼サンプルを取り出すことができ,低信頼ラベルなしサンプルをラベル付けできない正擬似ラベル学習の問題を緩和することができる。提案手法は最先端の半教師つき学習(SSL)法を凌駕した。Copyright Springer Nature Switzerland AG 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *意味論 ,  学習 ,  *セグメンテーション ,  腺癌 ,  アノテーション
準シソーラス用語： 病理検査 ,  術後再発 ,  半教師つき学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： 病理画像 ,  セマンティックセグメンテーション ,  負の学習 ,  半教師つき学習 ,  ラベル比率からの学習

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (7件)： 病理学 ,  意味論 ,  セグメンテーション ,  クラス ,  比率 ,  擬似 ,  ラベリング