論文の概要: Weakly Semi-supervised Whole Slide Image Classification by Two-level Cross Consistency Supervision

• arxiv url: http://arxiv.org/abs/2504.12132v1
• Date: Wed, 16 Apr 2025 14:45:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-17 14:39:22.119886
• Title: Weakly Semi-supervised Whole Slide Image Classification by Two-level Cross Consistency Supervision
• Title（参考訳）: 2レベルクロスコンシステンシー・スーパービジョンによる弱半教師付き全スライド画像分類
• Authors: Linhao Qu, Shiman Li, Xiaoyuan Luo, Shaolei Liu, Qinhao Guo, Manning Wang, Zhijian Song,
• Abstract要約: Weakly Semi-supervised Whole 画像分類問題に対処するフレームワーク CroCo を提案する。 我々の知る限り、この論文はWSWCの問題を初めて提示し、解決に成功した。
• 参考スコア（独自算出の注目度）: 19.960628795883636
• License:
• Abstract: Computer-aided Whole Slide Image (WSI) classification has the potential to enhance the accuracy and efficiency of clinical pathological diagnosis. It is commonly formulated as a Multiple Instance Learning (MIL) problem, where each WSI is treated as a bag and the small patches extracted from the WSI are considered instances within that bag. However, obtaining labels for a large number of bags is a costly and time-consuming process, particularly when utilizing existing WSIs for new classification tasks. This limitation renders most existing WSI classification methods ineffective. To address this issue, we propose a novel WSI classification problem setting, more aligned with clinical practice, termed Weakly Semi-supervised Whole slide image Classification (WSWC). In WSWC, a small number of bags are labeled, while a significant number of bags remain unlabeled. The MIL nature of the WSWC problem, coupled with the absence of patch labels, distinguishes it from typical semi-supervised image classification problems, making existing algorithms for natural images unsuitable for directly solving the WSWC problem. In this paper, we present a concise and efficient framework, named CroCo, to tackle the WSWC problem through two-level Cross Consistency supervision. CroCo comprises two heterogeneous classifier branches capable of performing both instance classification and bag classification. The fundamental idea is to establish cross-consistency supervision at both the bag-level and instance-level between the two branches during training. Extensive experiments conducted on four datasets demonstrate that CroCo achieves superior bag classification and instance classification performance compared to other comparative methods when limited WSIs with bag labels are available. To the best of our knowledge, this paper presents for the first time the WSWC problem and gives a successful resolution.
• Abstract（参考訳）: コンピュータ支援全スライド画像(WSI)分類は,臨床病理学的診断の精度と効率を高める可能性がある。 一般にMIL(Multiple Instance Learning)問題として定式化され、各WSIをバッグとして扱い、WSIから抽出された小さなパッチはそのバッグ内のインスタンスと見なされる。 しかし、多くのバッグのラベルを取得することは、特に新しい分類タスクに既存のWSIを利用する場合、コストと時間を要するプロセスである。 この制限は、既存のWSI分類手法を無効にする。 そこで本研究では,Wakly Semi-supervised Whole Slide Image Classification (WSWC) と呼ばれる,新たなWSI分類法を提案する。 WSWCでは、少数のバッグがラベル付けされ、かなりの数のバッグがラベル付けされていない。 WSWC問題のMIL特性はパッチラベルの欠如と相まって、通常の半教師付き画像分類問題と区別されており、WSWC問題の直接解決には既存の自然画像のアルゴリズムが適さない。 本稿では,WSWC問題に2段階のクロス一貫性監視を通じて対処する,簡潔で効率的なフレームワークであるCroCoを提案する。 CroCoは、インスタンス分類とバッグ分類の両方を実行することができる2つの異種分類器ブランチから構成される。 基本的な考え方は、トレーニング中の2つのブランチ間のバッグレベルとインスタンスレベルの両方において、相互一貫性の監督を確立することである。 4つのデータセットで実施された大規模な実験により、CroCoは、バッグラベルを持つ限られたWSIが利用できる他の比較方法と比較して、優れたバッグ分類とインスタンス分類性能を達成することが示された。 我々の知る限り、この論文はWSWCの問題を初めて提示し、解決に成功した。

関連論文リスト

• FAST: A Dual-tier Few-Shot Learning Paradigm for Whole Slide Image Classification [23.323845050957196]
  既存のWSI分類法では、少数のきめ細かいラベルや弱い教師付きスライドラベルしか使用していない。 利用可能なWSIを十分にマイニングすることができず、WSI分類性能を著しく制限しています。 本稿では,WSI分類のためのFASTという,新規で効率的な2層複数ショット学習パラダイムを提案する。
  論文  参考訳（メタデータ） (2024-09-29T14:31:52Z)
• Competing for pixels: a self-play algorithm for weakly-supervised segmentation [7.416217935677032]
  本稿では,領域のイメージセグメンテーションをゲーミフィケーションする新しいWSS手法を提案する。 エージェントは、これらのパッチが枯渇するまでROIを含むパッチを選択します。 この競争的な設定により、過剰または過小区分の最小化が保証される。
  論文  参考訳（メタデータ） (2024-05-26T17:00:17Z)
• JointMatch: A Unified Approach for Diverse and Collaborative Pseudo-Labeling to Semi-Supervised Text Classification [65.268245109828]
  半教師付きテキスト分類(SSTC)は、ラベルのないデータを活用する能力によって注目を集めている。 擬似ラベルに基づく既存のアプローチは、擬似ラベルバイアスと誤り蓄積の問題に悩まされる。 我々は、最近の半教師付き学習からアイデアを統一することでこれらの課題に対処する、SSTCの総合的なアプローチであるJointMatchを提案する。
  論文  参考訳（メタデータ） (2023-10-23T05:43:35Z)
• The Rise of AI Language Pathologists: Exploring Two-level Prompt Learning for Few-shot Weakly-supervised Whole Slide Image Classification [23.004237397025822]
  本稿では,FSWCと表記される病的全スライド画像(WSI)分類における弱教師あり学習の概念を紹介する。 大規模言語モデル GPT-4 の即時学習と活用に基づく解法を提案する。 提案手法では,GPT-4を質問応答モードで活用し,インスタンスレベルとバッグレベルの両方で言語事前知識を取得し,インスタンスレベルとバッグレベルの言語プロンプトに統合する。
  論文  参考訳（メタデータ） (2023-05-29T05:35:44Z)
• Ambiguity-Resistant Semi-Supervised Learning for Dense Object Detection [98.66771688028426]
  本研究では,一段階検出器のためのAmbiguity-Resistant Semi-supervised Learning (ARSL)を提案する。 擬似ラベルの分類とローカライズ品質を定量化するために,JCE(Joint-Confidence Estimation)を提案する。 ARSLは、曖昧さを効果的に軽減し、MS COCOおよびPASCALVOC上で最先端のSSOD性能を達成する。
  論文  参考訳（メタデータ） (2023-03-27T07:46:58Z)
• WRENCH: A Comprehensive Benchmark for Weak Supervision [66.82046201714766]
  ベンチマークは、分類とシーケンスタグ付けのための22の異なる実世界のデータセットで構成されている。 ベンチマークプラットフォームとしての有効性を示すために、100以上のメソッドの変種に対して広範な比較を行うためにベンチマークを使用します。
  論文  参考訳（メタデータ） (2021-09-23T13:47:16Z)
• DSNet: A Dual-Stream Framework for Weakly-Supervised Gigapixel Pathology Image Analysis [78.78181964748144]
  スライド画像全体(WSI)を分類するための弱教師付きフレームワークを提案する。 WSIは通常、パッチレベルのラベルを持つパッチワイド分類によって処理される。 イメージレベルのラベルのみの場合、パッチの外観とイメージレベルのラベルの矛盾のため、パッチの分類はサブ最適となる。
  論文  参考訳（メタデータ） (2021-09-13T09:10:43Z)
• Joint Visual and Temporal Consistency for Unsupervised Domain Adaptive Person Re-Identification [64.37745443119942]
  本稿では,局所的なワンホット分類とグローバルなマルチクラス分類を組み合わせることで,視覚的・時間的整合性を両立させる。 3つの大規模ReIDデータセットの実験結果は、教師なしと教師なしの両方のドメイン適応型ReIDタスクにおいて提案手法の優位性を示す。
  論文  参考訳（メタデータ） (2020-07-21T14:31:27Z)
• Unsupervised Person Re-identification via Softened Similarity Learning [122.70472387837542]
  人物再識別(re-ID)はコンピュータビジョンにおいて重要なトピックである。 本稿では,ラベル付き情報を必要としないre-IDの教師なし設定について検討する。 2つの画像ベースおよびビデオベースデータセットの実験は、最先端のパフォーマンスを示している。
  論文  参考訳（メタデータ） (2020-04-07T17:16:41Z)

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。