本研究では、コンピューター病理学データに適したself-supervised learningアルゴリズムの改良を提案している。
主な内容は以下の通り:
従来の crop-and-resizeではなく、extended-context translationと呼ばれる新しい拡張的な空間変換手法を導入することで、組織の形態的特徴を保持できる。
従来のKoLeo正則化ではなく、カーネル密度推定に基づく正則化手法を用いることで、特徴の多様性を効果的に促進できる。
位置エンコーディングに関して、スケール依存的な特徴を捉えられるCell Sample Distanceエンコーディングを提案した。
これらの改良を組み合わせることで、様々な病理画像分類タスクにおいて性能向上が確認された。特に、in-domainタスクでの改善が顕著であり、形態保持の重要性が示された。一方で、out-of-domainタスクでの一般化性能向上にはさらなる検討が必要である。
In un'altra lingua
dal contenuto originale
arxiv.org
Approfondimenti chiave tratti da
by Eric Zimmerm... alle arxiv.org 05-06-2024
https://arxiv.org/pdf/2405.01688.pdfDomande più approfondite