論文の概要: Efficient Self-Supervised Barlow Twins from Limited Tissue Slide Cohorts for Colonic Pathology Diagnostics
- arxiv url: http://arxiv.org/abs/2411.05959v1
- Date: Fri, 08 Nov 2024 20:43:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-12 14:08:11.114710
- Title: Efficient Self-Supervised Barlow Twins from Limited Tissue Slide Cohorts for Colonic Pathology Diagnostics
- Title（参考訳）: 大腸疾患診断におけるリミテッドティッシュスライドコホートを用いた自己監督型バーロウ双生児の有用性
- Authors: Cassandre Notton, Vasudev Sharma, Vincent Quoc-Huy Trinh, Lina Chen, Minqi Xu, Sonal Varma, Mahdi S. Hosseini,
- Abstract要約: 大腸癌 (CRC) は、スクリーニングの恩恵を受ける、確立されたdysplasia-carcinoma sequenceを有する数少ないがんの1つである。
DLモデルは、全スライディング画像のギガピクセル画像サイズと詳細な注釈付きデータセットの不足により、計算病理学(CPath)において重大な課題に直面している。
本稿では,大腸ポリープスクリーニングのためのBarlow Twinsフレームワークを提案する。
- 参考スコア（独自算出の注目度）: 14.177695952155213
- License:
- Abstract: Colorectal cancer (CRC) is one of the few cancers that have an established dysplasia-carcinoma sequence that benefits from screening. Everyone over 50 years of age in Canada is eligible for CRC screening. About 20\% of those people will undergo a biopsy for a pre-neoplastic polyp and, in many cases, multiple polyps. As such, these polyp biopsies make up the bulk of a pathologist's workload. Developing an efficient computational model to help screen these polyp biopsies can improve the pathologist's workflow and help guide their attention to critical areas on the slide. DL models face significant challenges in computational pathology (CPath) because of the gigapixel image size of whole-slide images and the scarcity of detailed annotated datasets. It is, therefore, crucial to leverage self-supervised learning (SSL) methods to alleviate the burden and cost of data annotation. However, current research lacks methods to apply SSL frameworks to analyze pathology data effectively. This paper aims to propose an optimized Barlow Twins framework for colorectal polyps screening. We adapt its hyperparameters, augmentation strategy and encoder to the specificity of the pathology data to enhance performance. Additionally, we investigate the best Field of View (FoV) for colorectal polyps screening and propose a new benchmark dataset for CRC screening, made of four types of colorectal polyps and normal tissue, by performing downstream tasking on MHIST and NCT-CRC-7K datasets. Furthermore, we show that the SSL representations are more meaningful and qualitative than the supervised ones and that Barlow Twins benefits from the Swin Transformer when applied to pathology data. Codes are avaialble from https://github.com/AtlasAnalyticsLab/PathBT.
- Abstract（参考訳）: 大腸癌 (CRC) は、スクリーニングの恩恵を受ける、確立されたdysplasia-carcinoma sequence を持つ数少ないがんの1つである。
カナダの50歳以上は、CRCの審査を受ける資格がある。
約20%の人は、新生前ポリープの生検を受け、多くの場合、複数のポリープを採取する。
そのため、これらのポリープ生検は病理学者の作業量の大部分を占める。
これらのポリープ生検をスクリーニングする効率的な計算モデルの開発は、病理医のワークフローを改善し、スライド上の重要な領域に注意を向けるのに役立つ。
DLモデルは、全スライディング画像のギガピクセル画像サイズと詳細な注釈付きデータセットの不足により、計算病理学(CPath)において重大な課題に直面している。
したがって、データアノテーションの負担とコストを軽減するために、自己教師付き学習(SSL)手法を活用することが重要である。
しかし、現在の研究では、SSLフレームワークを適用して病理データを効果的に分析する方法が欠けている。
本稿では,大腸ポリープスクリーニングのためのBarlow Twinsフレームワークを提案する。
我々は,そのハイパーパラメータ,拡張戦略,エンコーダを病理データの特異性に適応させ,性能を向上させる。
さらに,4種類の大腸ポリープと正常組織からなるCRCスクリーニングのためのベンチマークデータセットを,MHISTおよびNCT-CRC-7Kデータセットの下流タスクにより提案する。
さらに,SSL表現は教師付き表現よりも有意義で質的であり,病理データに適用した場合,Barlow TwinsがSwin Transformerから恩恵を受けることを示す。
コードはhttps://github.com/AtlasAnalyticsLab/PathBTから取得できます。
関連論文リスト
- Towards a Benchmark for Colorectal Cancer Segmentation in Endorectal Ultrasound Videos: Dataset and Model Development [59.74920439478643]
本稿では,多様なERUSシナリオをカバーする最初のベンチマークデータセットを収集し,注釈付けする。
ERUS-10Kデータセットは77の動画と10,000の高解像度アノテートフレームで構成されています。
本稿では,ASTR (Adaptive Sparse-context TRansformer) という大腸癌セグメンテーションのベンチマークモデルを提案する。
論文 参考訳（メタデータ） (2024-08-19T15:04:42Z) - Consisaug: A Consistency-based Augmentation for Polyp Detection in Endoscopy Image Analysis [3.716941460306804]
ディープラーニングを活用したデータ強化のための,革新的で効果的な手法であるConsisaugを紹介した。
5つのパブリックなポリプデータセットと3つのバックボーンにConsisaugを実装し,本手法の有効性を示した。
論文 参考訳（メタデータ） (2024-04-17T13:09:44Z) - ECC-PolypDet: Enhanced CenterNet with Contrastive Learning for Automatic
Polyp Detection [88.4359020192429]
既存の手法では、計算コストのかかるコンテキストアグリゲーションが伴うか、ポリープの事前モデリングが欠如しているため、難解なケースでは性能が低下する。
本稿では,2段階のトレーニングとエンドツーエンド推論フレームワークである Enhanced CenterNet with Contrastive Learning (ECC-PolypDet) を提案する。
Box-assisted Contrastive Learning (BCL) は, クラス内差を最小限に抑え, 前庭ポリープと背景のクラス間差を最大化するため, 隠れポリープを捕捉する。
微調整段階におけるIoU誘導サンプル再重み付けの導入
論文 参考訳（メタデータ） (2024-01-10T07:03:41Z) - Cancer-Net PCa-Gen: Synthesis of Realistic Prostate Diffusion Weighted
Imaging Data via Anatomic-Conditional Controlled Latent Diffusion [68.45407109385306]
カナダでは、前立腺がんは男性でもっとも一般的ながんであり、2022年のこの人口統計では、新しいがん症例の20%を占めている。
拡散強調画像(DWI)データを用いた前立腺癌診断,予後,治療計画のためのディープニューラルネットワークの開発には大きな関心が寄せられている。
本研究では,解剖学的条件制御型潜伏拡散戦略の導入により,現実的な前立腺DWIデータを生成するための潜伏拡散の有効性について検討した。
論文 参考訳（メタデータ） (2023-11-30T15:11:03Z) - Stepwise Feature Fusion: Local Guides Global [14.394421688712052]
本稿では,ピラミッドトランスフォーマーエンコーダを用いた医用画像セグメンテーションのためのState-Of-The-Artモデルを提案する。
提案するプログレッシブ・ローカリティ・デコーダをピラミッドトランスフォーマーのバックボーンに適応させて,局所的特徴と注意分散を強調する。
論文 参考訳（メタデータ） (2022-03-07T10:36:38Z) - Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based
Sparse PCA Network [93.22587316229954]
ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。
我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
論文 参考訳（メタデータ） (2021-10-27T19:28:36Z) - Self-Supervised U-Net for Segmenting Flat and Sessile Polyps [63.62764375279861]
大腸ポリープの発達は、がんの最も初期の兆候の1つである。
ポリープの早期検出と切除は生存率を90%に大きく向上させる。
大腸内視鏡画像の処理によりポリープを検出するコンピュータ支援診断システム(CADx)が提案されている。
論文 参考訳（メタデータ） (2021-10-17T09:31:20Z) - AG-CUResNeSt: A Novel Method for Colon Polyp Segmentation [0.0]
本稿では、ロバストなResNeStバックボーンとアテンションゲートを用いて結合ユニセットを強化するAG-CUResNeStと呼ばれる新しいニューラルネットワークアーキテクチャを提案する。
提案手法は既存手法と比較して最先端の精度を実現する。
論文 参考訳（メタデータ） (2021-05-02T06:36:36Z) - Colonoscopy Polyp Detection and Classification: Dataset Creation and
Comparative Evaluations [12.160373952983319]
大腸癌(CRC)は、死亡率の高いがんの最も一般的なタイプの1つです。
コンピュータ支援ポリープ検出・分類システムは大腸内視鏡の有用性を著しく高めることができる。
この研究は、ポリープ検出と分類の将来の研究の基礎となることができる。
論文 参考訳（メタデータ） (2021-04-22T01:57:35Z) - PraNet: Parallel Reverse Attention Network for Polyp Segmentation [155.93344756264824]
大腸内視鏡画像の高精度なポリープ分割のための並列リバースアテンションネットワーク(PraNet)を提案する。
並列部分復号器(PPD)を用いて,まず高層層に特徴を集約する。
さらに,エリアとバウンダリの関連性を確立するために,リバースアテンション(RA)モジュールを用いて境界キューをマイニングする。
論文 参考訳（メタデータ） (2020-06-13T08:13:43Z) - Diagnosing Colorectal Polyps in the Wild with Capsule Networks [7.276044182592987]
大腸がんはポリープ(polyps)と呼ばれる前駆的な病変から発生するものが多く、世界中でがん関連死亡の原因の1つとなっている。
我々は,大腸ポリープの光学的生検の可能性を改善するために,新しいカプセルネットワークアーキテクチャ(D-Caps)を設計した。
従来の最先端畳み込みニューラルネットワーク(CNN)アプローチよりも最大43%改善した結果を実証した。
論文 参考訳（メタデータ） (2020-01-10T04:55:01Z)
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。