Core Concepts
弱監督下の核分割において、検出タスクを利用したドメイン適応手法により、擬似ラベルの生成問題を解決し、高精度な核分割を実現する。
Abstract
本論文は、弱監督下の核分割問題に取り組むDomain-Adaptive Weakly supervised Nuclei segmentation (DAWN)手法を提案する。従来の弱監督手法は2段階の擬似ラベル生成と学習プロセスを経るが、擬似ラベルの品質に依存するため限界がある。
DAWNでは、検出タスクを補助タスクとして利用し、ドメイン適応手法を組み合わせることで、擬似ラベル生成の問題を解決する。具体的には以下の3つの手法を提案している:
一貫した特徴制約(CFC)モジュールにより、ソースドメインの事前知識を保持し、ターゲットドメインへの適応を促進する。
検出ネットワークの出力を組み合わせた擬似ラベル最適化(CPL)手法により、分割ネットワークの欠点を補完する。
分割ネットワークと検出ネットワークの相互監督学習(IST)により、両タスクの相補的な特徴学習を実現する。
実験の結果、提案手法は既存の弱監督手法を大きく上回り、完全監督手法と同等以上の性能を達成した。
Stats
検出ネットワークの出力確率ˆqdet
tが0.2以上の領域は核領域として抽出される。
分割ネットワークの出力確率ˆpseg
tと検出ネットワークの出力ˆqdet
tを組み合わせた擬似ラベルMpseは、分割ネットワークの学習に利用される。
擬似ラベルMpseと分割ネットワークの出力ˆpseg
t、検出ネットワークの出力ˆqdet
tの間の平均二乗誤差は動的監督損失Ldynの計算に使用される。
Quotes
"弱監督下の核分割手法は、高価な画素レベルのアノテーションに依存せずに分割を実現できるため注目を集めている。"
"従来の弱監督手法は2段階の擬似ラベル生成と学習プロセスを経るが、擬似ラベルの品質に依存するため限界がある。"
"ドメイン適応手法は擬似ラベルの生成を必要とせず、ドメイン間の転移を通じてネットワークの性能を向上させることができる。"