論文の概要: ConSlide: Asynchronous Hierarchical Interaction Transformer with
Breakup-Reorganize Rehearsal for Continual Whole Slide Image Analysis
- arxiv url: http://arxiv.org/abs/2308.13324v1
- Date: Fri, 25 Aug 2023 11:58:25 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-28 14:10:43.939540
- Title: ConSlide: Asynchronous Hierarchical Interaction Transformer with
Breakup-Reorganize Rehearsal for Continual Whole Slide Image Analysis
- Title（参考訳）: ConSlide: 連続的な全スライド画像解析のための分割再構成リハーサル付き非同期階層的相互作用変換器
- Authors: Yanyan Huang, Weiqin Zhao, Shujun Wang, Yu Fu, Yuming Jiang, Lequan Yu
- Abstract要約: 医用画像コミュニティではWSI解析がますます重要になっている。
本稿では,WSI分析のためのFIRST連続学習フレームワークであるConSlideを提案する。
- 参考スコア（独自算出の注目度）: 24.078490055421852
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Whole slide image (WSI) analysis has become increasingly important in the
medical imaging community, enabling automated and objective diagnosis,
prognosis, and therapeutic-response prediction. However, in clinical practice,
the ever-evolving environment hamper the utility of WSI analysis models. In
this paper, we propose the FIRST continual learning framework for WSI analysis,
named ConSlide, to tackle the challenges of enormous image size, utilization of
hierarchical structure, and catastrophic forgetting by progressive model
updating on multiple sequential datasets. Our framework contains three key
components. The Hierarchical Interaction Transformer (HIT) is proposed to model
and utilize the hierarchical structural knowledge of WSI. The
Breakup-Reorganize (BuRo) rehearsal method is developed for WSI data replay
with efficient region storing buffer and WSI reorganizing operation. The
asynchronous updating mechanism is devised to encourage the network to learn
generic and specific knowledge respectively during the replay stage, based on a
nested cross-scale similarity learning (CSSL) module. We evaluated the proposed
ConSlide on four public WSI datasets from TCGA projects. It performs best over
other state-of-the-art methods with a fair WSI-based continual learning setting
and achieves a better trade-off of the overall performance and forgetting on
previous task
- Abstract（参考訳）: whole slide image (wsi)分析は医療画像コミュニティにおいてますます重要になってきており、自動的かつ客観的な診断、予後、治療応答予測を可能にしている。
しかし、臨床実践においては、進化を続ける環境はWSI分析モデルの有用性を妨げる。
本稿では,WSI解析のためのFIRST連続学習フレームワークであるConSlideを提案する。このフレームワークは,画像サイズ,階層構造の利用,および複数のシーケンシャルデータセット上でのプログレッシブモデル更新による破滅的な忘れを解消する。
私たちのフレームワークには3つの重要なコンポーネントがあります。
階層的相互作用変換器(hit)は,wsiの階層的構造知識をモデル化し,活用するために提案されている。
効率的な領域記憶バッファとWSI再構成操作を備えたWSIデータ再生のためのBuRoリハーサル法を開発した。
非同期更新機構は、ネストされたクロススケール類似性学習(cssl)モジュールに基づいて、ネットワークがリプレイ段階でそれぞれジェネリックな知識と特定の知識を学ぶことを奨励するために考案された。
提案したConSlideを,TCGAプロジェクトの4つの公開WSIデータセットで評価した。
公平なwsiベースの継続的な学習設定で、他の最先端のメソッドよりも最高のパフォーマンスを保ち、全体的なパフォーマンスのより良いトレードオフを達成し、以前のタスクを忘れる。
関連論文リスト
- Meta-Exploiting Frequency Prior for Cross-Domain Few-Shot Learning [86.99944014645322]
クロスドメインなFew-Shot学習のための新しいフレームワーク,Meta-Exploiting Frequency Priorを導入する。
各クエリ画像を高周波および低周波成分に分解し,特徴埋め込みネットワークに並列に組み込む。
本フレームワークは、複数のドメイン間数ショット学習ベンチマークにおいて、最先端の新たな結果を確立する。
論文 参考訳（メタデータ） (2024-11-03T04:02:35Z) - Dynamic Graph Representation with Knowledge-aware Attention for
Histopathology Whole Slide Image Analysis [11.353826466710398]
本稿では,知識グラフ構造の形式としてWSIを概念化する新しい動的グラフ表現アルゴリズムを提案する。
具体的には、インスタンス間の頭と尾の関係に基づいて、隣人や方向のエッジの埋め込みを動的に構築する。
我々のエンドツーエンドグラフ表現学習アプローチは、TCGAベンチマーク3つのデータセットと社内テストセットにおける最先端のWSI分析手法よりも優れています。
論文 参考訳（メタデータ） (2024-03-12T14:58:51Z) - A self-supervised framework for learning whole slide representations [52.774822784847565]
我々は、全スライド画像のギガピクセルスケールの自己スーパービジョンのためのSlide Pre-trained Transformer (SPT)を提案する。
バイオメディカル・マイクロスコープ・データセットを用いて,5つの診断課題におけるSPT視覚表現のベンチマークを行った。
論文 参考訳（メタデータ） (2024-02-09T05:05:28Z) - BROW: Better featuRes fOr Whole slide image based on self-distillation [19.295596638166536]
各種疾患の標準診断において,WSI処理が重要な要素となっている。
ほとんどのWSI関連タスクのパフォーマンスは、WSIパッチの特徴表現を抽出するバックボーンの有効性に依存します。
我々は、WSIのより良い特徴表現を抽出するための基礎モデルBROWを提案し、微調整を伴わずに下流タスクに便利に適用できることを示した。
論文 参考訳（メタデータ） (2023-09-15T09:11:09Z) - Revisiting the Encoding of Satellite Image Time Series [2.5874041837241304]
画像時系列(SITS)時間学習は、高時間分解能と不規則な取得時間のために複雑である。
我々は、クエリベースのトランスフォーマーデコーダを採用する最近のトレンドに触発されて、直接セット予測問題としてSITS処理の新たな視点を開発する。
衛星PASTISベンチマークデータセットを用いて,SOTA(State-of-the-art)の新たな結果を得た。
論文 参考訳（メタデータ） (2023-05-03T12:44:20Z) - Task-specific Fine-tuning via Variational Information Bottleneck for
Weakly-supervised Pathology Whole Slide Image Classification [10.243293283318415]
MIL(Multiple Instance Learning)は、デジタル・パスロジー・ホール・スライド・イメージ(WSI)分類において有望な結果を示している。
本稿では,Information Bottleneck 理論を動機とした効率的な WSI 微調整フレームワークを提案する。
我々のフレームワークは、様々なWSIヘッド上の5つの病理WSIデータセットで評価される。
論文 参考訳（メタデータ） (2023-03-15T08:41:57Z) - Learning Binary and Sparse Permutation-Invariant Representations for
Fast and Memory Efficient Whole Slide Image Search [3.2580463372881234]
本稿では, 深層生成モデルとフィッシャーベクトルを用いて, バイナリおよびスパースWSI表現を学習するための新しいフレームワークを提案する。
本稿では、インスタンスベーストレーニングを用いたスパースと二分置換不変WSI表現を学習するための新しい損失関数を提案する。
提案手法は, 検索精度と速度の両面で, ヨッティクセル(最近の病理画像検索エンジン)より優れていた。
論文 参考訳（メタデータ） (2022-08-29T14:56:36Z) - Learning from Temporal Spatial Cubism for Cross-Dataset Skeleton-based
Action Recognition [88.34182299496074]
アクションラベルはソースデータセットでのみ利用可能だが、トレーニング段階のターゲットデータセットでは利用できない。
我々は,2つの骨格に基づく行動データセット間の領域シフトを低減するために,自己スーパービジョン方式を利用する。
時間的セグメントや人体部分のセグメンテーションとパーフォーミングにより、我々は2つの自己教師あり学習分類タスクを設計する。
論文 参考訳（メタデータ） (2022-07-17T07:05:39Z) - PredRNN: A Recurrent Neural Network for Spatiotemporal Predictive
Learning [109.84770951839289]
歴史的文脈からビジュアルダイナミクスを学習するための新しいリカレントネットワークであるPredRNNを紹介する。
本手法は,3つの標準データセット上で高い競争結果が得られることを示す。
論文 参考訳（メタデータ） (2021-03-17T08:28:30Z) - Auto-Panoptic: Cooperative Multi-Component Architecture Search for
Panoptic Segmentation [144.50154657257605]
本稿では、バックボーン、セグメンテーションブランチ、フィーチャーフュージョンモジュールを含むすべての主要コンポーネントを同時に検索する効率的なフレームワークを提案する。
検索したアーキテクチャ、すなわちAuto-Panopticは、挑戦的なCOCOとADE20Kベンチマークに関する新しい最先端技術を実現します。
論文 参考訳（メタデータ） (2020-10-30T08:34:35Z) - Meta-learning framework with applications to zero-shot time-series
forecasting [82.61728230984099]
この研究は幅広いメタラーニングフレームワークを使って肯定的な証拠を提供する。
残余接続はメタラーニング適応機構として機能する。
我々は、ソースTSデータセット上でニューラルネットワークをトレーニングし、異なるターゲットTSデータセット上で再トレーニングすることなくデプロイできることを示します。
論文 参考訳（メタデータ） (2020-02-07T16:39:43Z)
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。