核心概念
提案されたSGFSISフレームワークは、少数のアノテーションで核インスタンスセグメンテーションを効率的に実現します。
要約
核インスタンスセグメンテーションの労力と専門家依存のアノテーション問題に対処するため、SGFSISフレームワークが提案されました。外部データセットを活用し、他のアノテーション効率化手法よりも優れたパフォーマンスを示します。
統計
SGFSISは、5%未満のアノテーションで完全監督学習と比較して優れた性能を発揮します。
引用
"Our work was motivated by the prosperity of computational pathology, an increasing number of fully-annotated datasets are publicly accessible."
"The proposed method can outperform other annotation-efficient learning baselines, including semi-supervised learning, simple transfer learning, etc."