文献

J-GLOBAL ID：202202291377495156   整理番号：22A0443310

多重加重半教師つきドメイン適応に基づく組織病理学的全スライド画像の分類【JST・京大機械翻訳】

Classification of histopathological whole slide images based on multiple weighted semi-supervised domain adaptation

著者 (5件)： Wang Pin (School of Microelectronics and Communication Engineering, Chongqing University, Chongqing 400030, P.R. China) ,  Li Pufei (School of Microelectronics and Communication Engineering, Chongqing University, Chongqing 400030, P.R. China) ,  Li Yongming (School of Microelectronics and Communication Engineering, Chongqing University, Chongqing 400030, P.R. China) ,  Xu Jin (School of Microelectronics and Communication Engineering, Chongqing University, Chongqing 400030, P.R. China) ,  Jiang Mingfeng (School of Information Science and Technology, Zhejiang Sci-Tech University, Hangzhou, 310018, P.R. China)
資料名： Biomedical Signal Processing and Control  (Biomedical Signal Processing and Control)
巻： 73  ページ： Null  発行年： 2022年 
JST資料番号： W3347A  ISSN： 1746-8094  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： 深部学習は,コンピュータ支援癌診断のための組織病理学的画像分類においてより重要になった。しかし,深いネットワークに基づく正確な組織病理学的画像分類は,多くのラベル付き画像に依存するが,全スライド画像(WSIs)のエキスパートアノテーションは,時間がかかり,面倒である。したがって,限られたラベル付きサンプルによる良好な分類結果を得る方法は,まだ主要な挑戦的な課題である。上記の困難を克服するため,深部移動半教師つきドメイン適応モデル(HisNet-SSDA)を,組織病理学的WSIsの分類のために提案する。半教師つきドメイン適応は,ラベルリッチソースドメインから部分標識ターゲットドメインへの知識を転送する。最初に,転送された事前訓練ネットワークHisNetを,ソースとターゲットドメインからランダムにサンプリングされたパッチの高レベル特徴抽出のために設計した。次に,2つの領域の特徴を,新しい多様体正則化項を含む多重加重損失関数判定基準を利用する半教師つきドメイン適応を通して整列させた。サンプルパッチの予測確率は,画像レベル分類のために凝集した。2つの結腸癌データセットで評価された分類結果は,提案した方法(精度:94.32%±0.49%,感度:94.59%±0.46%,特異性:94.06%±0.27%,精度:91.92%±0.32%,感度:92.01%±0.47%,特異性:91.83%±0.23%)を示し,それは,提案方法が臨床診療におけるWSIs分類のための有効なツールであることを示した。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： 多様体 ,  学習 ,  損失関数 ,  ネットワーク ,  特徴抽出 ,  *スライド ,  *多重化 ,  正則化 ,  判定基準 ,  CAE【計算機】 ,  結腸腫瘍 ,  アノテーション
準シソーラス用語： 画像分類 ,  特異性 ,  癌診断 , 【Automatic Indexing@JST】

著者キーワード (5件)： 組織病理学的画像 ,  深層転送学習 ,  半教師つきドメイン適応 ,  多重重み付き損失戦略 ,  多様体正則化

分類 (3件)： 人工知能  (JE08000Z) ,  図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (7件)： 多重 ,  加重 ,  教師 ,  ドメイン適応 ,  組織病理学 ,  スライド ,  分類