論文の概要: Self-supervised learning-based cervical cytology for the triage of
HPV-positive women in resource-limited settings and low-data regime
- arxiv url: http://arxiv.org/abs/2302.05195v2
- Date: Wed, 7 Jun 2023 16:05:44 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-08 19:25:56.889190
- Title: Self-supervised learning-based cervical cytology for the triage of
HPV-positive women in resource-limited settings and low-data regime
- Title（参考訳）: リソース制限と低データ体制下におけるHPV陽性女性三徴症に対する自己学習型頚椎細胞診
- Authors: Thomas Stegm\"uller, Christian Abbet, Behzad Bozorgtabar, Holly
Clarke, Patrick Petignat, Pierre Vassilakos, and Jean-Philippe Thiran
- Abstract要約: パパニコラオ検体をスクリーニングすることは、頸部がん関連死亡率の低下に非常に効果があることが証明されている。
深層学習に基づく遠隔細胞診診断は魅力的な代替手段として現れるが、大規模な注釈付きトレーニングデータセットの収集が必要である。
本稿では, スライド画像全体から抽出できるラベルなし画像の豊富さが, 自己教師型学習手法の肥大化を実証する。
- 参考スコア（独自算出の注目度）: 8.981411680742973
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Screening Papanicolaou test samples has proven to be highly effective in
reducing cervical cancer-related mortality. However, the lack of trained
cytopathologists hinders its widespread implementation in low-resource
settings. Deep learning-based telecytology diagnosis emerges as an appealing
alternative, but it requires the collection of large annotated training
datasets, which is costly and time-consuming. In this paper, we demonstrate
that the abundance of unlabeled images that can be extracted from Pap smear
test whole slide images presents a fertile ground for self-supervised learning
methods, yielding performance improvements relative to readily available
pre-trained models for various downstream tasks. In particular, we propose
\textbf{C}ervical \textbf{C}ell \textbf{C}opy-\textbf{P}asting
($\texttt{C}^{3}\texttt{P}$) as an effective augmentation method, which enables
knowledge transfer from open-source and labeled single-cell datasets to
unlabeled tiles. Not only does $\texttt{C}^{3}\texttt{P}$ outperforms naive
transfer from single-cell images, but we also demonstrate its advantageous
integration into multiple instance learning methods. Importantly, all our
experiments are conducted on our introduced \textit{in-house} dataset
comprising liquid-based cytology Pap smear images obtained using low-cost
technologies. This aligns with our objective of leveraging deep learning-based
telecytology for diagnosis in low-resource settings.
- Abstract（参考訳）: パパニコラウ検査標本のスクリーニングは、頸がん関連死亡率の低下に非常に有効であることが証明されている。
しかし、訓練された細胞病理学者の欠如は、低リソース環境での広範な実装を妨げる。
深層学習に基づく遠隔細胞診診断は魅力的な代替手段として現れるが、大量の注釈付きトレーニングデータセットを収集する必要がある。
本稿では,Pop smear テスト全体から抽出できるラベルのない画像が多量に存在することを実証し,様々なダウンストリームタスクで利用可能な事前学習モデルに対して,自己教師付き学習手法の肥大した基盤を提示する。
特に,オープンソースおよびラベル付きシングルセルデータセットからラベル付きタイルへの知識伝達を可能にする効果的な拡張手法として,textbf{C}ervical \textbf{C}ell \textbf{C}opy-\textbf{P}asting ($\texttt{C}^{3}\textt{P}$)を提案する。
$\texttt{C}^{3}\texttt{P}$は単一セルイメージからのネーブ転送に優れるだけでなく、複数のインスタンス学習メソッドにその有利な統合を実証する。
重要なことは, 低コスト技術を用いて得られた液状細胞診Papスミア画像からなるtextit{in-house}データセットを用いて, 全ての実験を行ったことである。
これは,低リソース環境下での診断に深層学習に基づく細胞診を活用することを目的としている。
関連論文リスト
- An efficient framework based on large foundation model for cervical cytopathology whole slide image screening [13.744580492120749]
本稿では,教師なし・弱教師付き学習によるWSIレベルラベルのみを用いた頚部細胞病理学WSI分類のための効率的なフレームワークを提案する。
CSDおよびFNAC 2019データセットで実施された実験は、提案手法が様々なMIL手法の性能を高め、最先端(SOTA)性能を達成することを示した。
論文 参考訳（メタデータ） (2024-07-16T08:21:54Z) - Nucleus-aware Self-supervised Pretraining Using Unpaired Image-to-image
Translation for Histopathology Images [3.8391355786589805]
病理組織像のための新しい核認識型自己教師型プレトレーニングフレームワークを提案する。
このフレームワークは、未ペア画像から画像への変換によって核形態や分布情報を捉えることを目的としている。
7つのデータセットに対する実験により,提案手法は,Kather分類,複数インスタンス学習,および5つの高密度予測タスクにおいて,教師付き手法よりも優れていた。
論文 参考訳（メタデータ） (2023-09-14T02:31:18Z) - PCA: Semi-supervised Segmentation with Patch Confidence Adversarial
Training [52.895952593202054]
医用画像セグメンテーションのためのPatch Confidence Adrial Training (PCA) と呼ばれる半教師付き対向法を提案する。
PCAは各パッチの画素構造とコンテキスト情報を学習し、十分な勾配フィードバックを得る。
本手法は, 医用画像のセグメンテーションにおいて, 最先端の半教師付き手法より優れており, その有効性を示している。
論文 参考訳（メタデータ） (2022-07-24T07:45:47Z) - Dissecting Self-Supervised Learning Methods for Surgical Computer Vision [51.370873913181605]
一般のコンピュータビジョンコミュニティでは,自己監視学習(SSL)手法が普及し始めている。
医学や手術など、より複雑で影響力のある領域におけるSSLメソッドの有効性は、限定的かつ未調査のままである。
外科的文脈理解,位相認識,ツール存在検出の2つの基本的なタスクに対して,これらの手法の性能をColec80データセット上で広範囲に解析する。
論文 参考訳（メタデータ） (2022-07-01T14:17:11Z) - Intelligent Masking: Deep Q-Learning for Context Encoding in Medical
Image Analysis [48.02011627390706]
我々は,対象地域を排除し,事前訓練の手順を改善する,新たな自己指導型アプローチを開発した。
予測モデルに対してエージェントを訓練することで、下流の分類タスクで抽出した意味的特徴を大幅に改善できることを示す。
論文 参考訳（メタデータ） (2022-03-25T19:05:06Z) - Ensemble of CNN classifiers using Sugeno Fuzzy Integral Technique for
Cervical Cytology Image Classification [1.6986898305640261]
頸がんの単細胞画像とスライド画像の分類を完全自動化するコンピュータ支援診断ツールを提案する。
我々は、Sugeno Fuzzy Integralを使用して、Inception v3、DenseNet-161、ResNet-34という3つの人気のあるディープラーニングモデルの意思決定スコアをアンサンブルする。
論文 参考訳（メタデータ） (2021-08-21T08:41:41Z) - Deep Semi-supervised Metric Learning with Dual Alignment for Cervical
Cancer Cell Detection [49.78612417406883]
子宮頸癌細胞検出のための新しい半教師付き深度測定法を提案する。
私たちのモデルは、埋め込みメトリック空間を学習し、提案レベルとプロトタイプレベルの両方でセマンティック機能の二重アライメントを行います。
本研究は,240,860個の頸部細胞画像からなる半監督型頸部がん細胞検出のための大規模データセットを初めて構築した。
論文 参考訳（メタデータ） (2021-04-07T17:11:27Z) - DeepCervix: A Deep Learning-based Framework for the Classification of
Cervical Cells Using Hybrid Deep Feature Fusion Techniques [14.208643185430219]
女性の中で最も多い致死性癌の1つである頸部がんは、早期に再発性病変を検出するために、定期的な検診によって予防することができる。
手動スクリーニングの実践を改善するため, 機械学習(ML)と深層学習(DL)を用いたコンピュータ支援診断(CAD)システムを用いて, 頚部乳頭細胞の分類を行った。
本研究は, dlに基づくハイブリッド型深部機能融合(hdff)技術を提案し, 頸椎細胞を正確に分類する。
論文 参考訳（メタデータ） (2021-02-24T10:34:51Z) - DSAL: Deeply Supervised Active Learning from Strong and Weak Labelers
for Biomedical Image Segmentation [13.707848142719424]
アクティブ学習とセミスーパーバイザー学習戦略を組み合わせた深層アクティブセミスーパーバイザー学習フレームワークDSALを提案します。
DSALでは, 深層監視機構に基づく新たな基準が提案され, 高い不確実性を有する情報サンプルを選定する。
提案した基準を用いて,強ラベルと弱ラベルのサンプルを選択し,各アクティブな学習イテレーションにおいて,オラクルラベルと擬似ラベルを同時に生成する。
論文 参考訳（メタデータ） (2021-01-22T11:31:33Z) - Towards an Automatic Analysis of CHO-K1 Suspension Growth in
Microfluidic Single-cell Cultivation [63.94623495501023]
我々は、人間の力で抽象化されたニューラルネットワークをデータレベルで注入できる新しい機械学習アーキテクチャを提案する。
具体的には、自然データと合成データに基づいて生成モデルを同時に訓練し、細胞数などの対象変数を確実に推定できる共有表現を学習する。
論文 参考訳（メタデータ） (2020-10-20T08:36:51Z) - Select-ProtoNet: Learning to Select for Few-Shot Disease Subtype
Prediction [55.94378672172967]
本研究は, 類似患者のサブグループを同定し, 数発の疾患のサブタイプ予測問題に焦点を当てた。
新しいモデルを開発するためにメタラーニング技術を導入し、関連する臨床課題から共通の経験や知識を抽出する。
我々の新しいモデルは、単純だが効果的なメタ学習マシンであるPrototypeal Networkと呼ばれる、慎重に設計されたメタラーナーに基づいて構築されている。
論文 参考訳（メタデータ） (2020-09-02T02:50:30Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。