文献

J-GLOBAL ID：202202290833873991   整理番号：22A0631130

半教師付きおよび多重インスタンス学習の結合による効率的な癌分類【JST・京大機械翻訳】

Efficient Cancer Classification by Coupling Semi Supervised and Multiple Instance Learning

著者 (4件)： Schmidt Arne (Department of Computer Science and Artificial Intelligence, University of Granada, Granada, Spain) ,  Silva-Rodriguez Julio (Institute of Transport and Territory, Universitat Polite`cnica de Vale`ncia, Valencia, Spain) ,  Molina Rafael (Department of Computer Science and Artificial Intelligence, University of Granada, Granada, Spain) ,  Naranjo Valery (Institute of Research and Innovation in Bioengineering, Universitat Polite`cnica de Vale`ncia, Valencia, Spain)
資料名： IEEE Access  (IEEE Access)
巻： 10  ページ： 9763-9773  発行年： 2022年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 大規模データセットのアノテーションは,しばしば計算病理学における人工知能の成功した適用におけるボトルネックである。この理由のために,最近,多重物質学習(MIL)と半教師つき学習(SSL)手法が,より少ない注釈を必要とするので人気を得ている。本研究では,SSLとMILを組み合わせて,両方の方法の利点を組み合わせ,それらの限界を克服する深層学習分類器を訓練した。本手法は,グローバルWSI診断とラベル付きおよびラベルなしパッチの組み合わせから学ぶことができる。さらに,学習フレームワークと組み合わせた場合,強い分類性能を保証する効率的なラベリングパラダイムを提案し,評価した。提案手法をSSLとMILベースライン,最先端技術および完全教師つき訓練と比較した。パッチラベルの小さい割合だけによって,提案モデルはSICAPv2(450パッチラベルで0.801のCohenのカッパ),PANDA(22,023パッチラベルで0.794のCohenのカッパ)とCamelyon16(433パッチラベルで0.913のROCAUC)の競合性能を達成した。このコードはhttps://github.com/arneschmidt/ssl_and_mil_cancer_classificationで公開されている。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *学習 ,  ラベル ,  教師つき学習 ,  人工知能 ,  *多重化 ,  基準線 ,  機械学習 ,  アノテーション
準シソーラス用語： 半教師つき学習 ,  大規模データセット ,  深層学習 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 教師 ,  多重 ,  インスタンス ,  学習 ,  癌分類