文献

J-GLOBAL ID：202202231317719439   整理番号：22A0479995

ギガピクセル全スライド画像における計算病理学のための連合学習【JST・京大機械翻訳】

Federated learning for computational pathology on gigapixel whole slide images

著者 (17件)： Lu Ming Y. (Department of Pathology, Brigham and Women’s Hospital, Harvard Medical School, Boston, MA, United States) ,  Lu Ming Y. (Cancer Program, Broad Institute of Harvard and MIT, Cambridge, MA, United States) ,  Chen Richard J. (Department of Pathology, Brigham and Women’s Hospital, Harvard Medical School, Boston, MA, United States) ,  Chen Richard J. (Department of Biomedical Informatics, Harvard Medical School, Boston, MA, United States) ,  Chen Richard J. (Cancer Program, Broad Institute of Harvard and MIT, Cambridge, MA, United States) ,  Kong Dehan (Department of Pathology, Brigham and Women’s Hospital, Harvard Medical School, Boston, MA, United States) ,  Lipkova Jana (Department of Pathology, Brigham and Women’s Hospital, Harvard Medical School, Boston, MA, United States) ,  Lipkova Jana (Cancer Program, Broad Institute of Harvard and MIT, Cambridge, MA, United States) ,  Singh Rajendra (Department of Pathology, Northwell Health, NY, United States) ,  Williamson Drew F.K. (Department of Pathology, Brigham and Women’s Hospital, Harvard Medical School, Boston, MA, United States) ,  Williamson Drew F.K. (Cancer Program, Broad Institute of Harvard and MIT, Cambridge, MA, United States) ,  Chen Tiffany Y. (Department of Pathology, Brigham and Women’s Hospital, Harvard Medical School, Boston, MA, United States) ,  Chen Tiffany Y. (Cancer Program, Broad Institute of Harvard and MIT, Cambridge, MA, United States) ,  Mahmood Faisal (Department of Pathology, Brigham and Women’s Hospital, Harvard Medical School, Boston, MA, United States) ,  Mahmood Faisal (Cancer Program, Broad Institute of Harvard and MIT, Cambridge, MA, United States) ,  Mahmood Faisal (Data Science Department, Dana-Farber/Harvard Cancer Center, Boston, MA, United States) ,  Mahmood Faisal (Harvard Data Science Initiative, Harvard University, Cambridge, MA, United States)
資料名： Medical Image Analysis  (Medical Image Analysis)
巻： 76  ページ： Null  発行年： 2022年 
JST資料番号： W3156A  ISSN： 1361-8415  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 深い学習に基づく計算病理学アルゴリズムは,分子変化のような組織学から非ヒト同定可能な特徴を予測するため,よく知られた形態学的表現型の特徴付けから,広範囲のタスクにおいて優れているという大きな能力を実証してきた。しかし,ロバストで適応可能で正確な深層学習ベースのモデルの開発は,そのようなデータセットに存在する異質性のために,多様な情報源と患者集団から理想的に来るべきである,収集と時間費用のかかる大きな高品質注釈付き訓練データにしばしば依存している。多重施設にわたる医療データの多中心および協調統合は,この課題を克服し,モデル性能を高めるのを助けることができるが,複雑なデータ共有プロセスで発生する他の困難間のプライバシー懸念により,モデルスケールが数百万ガピクセル全スライド画像の使用に向けて,モデルスケールとして発生する可能性がある。本論文では,弱教師つき注意多重インスタンス学習と微分プライバシーを用いて,コンピュータ病理学におけるギガピクセル全スライド画像に対するプライバシー保護連合学習を導入した。スライドレベルラベルのみを有する数千の組織学全スライド画像を用いて,2つの異なる診断問題に対するアプローチを評価した。さらに,全スライド画像からの生存予測と患者層別化のための弱監督学習フレームワークを提示し,連合設定におけるその有効性を実証した。結果は,連合学習を用いて,直接データ共有とその関連複雑性なしで,分散データサイロから正確な弱監督深層学習モデルを効果的に開発することができ,一方,ランダム化雑音発生を用いて差動プライバシーを保存することを示した。また,計算病理学ソフトウェアパッケージ:http://github.com/mahmoodlab/HistoFLのための使いやすい連合学習を可能にした。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *学習 ,  情報源 ,  ヒト ,  表現型 ,  *スライド ,  層別 ,  多重化 ,  プログラムパッケージ ,  ロバスト性 ,  コンピュータ ,  モルフォロジー ,  アノテーション
準シソーラス用語： プライバシー保護 ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： 連合学習 ,  病理学 ,  計算病理学 ,  全スライドイメージング ,  分割学習

分類 (1件)： 医用画像処理  (JE04020T)

タイトルに関連する用語 (5件)： ピクセル ,  スライド ,  計算 ,  病理学 ,  学習