講演抄録/キーワード |
講演名 |
2019-09-04 16:20
ドメイン敵対的マルチインスタンス学習を用いた悪性リンパ腫のサブタイプ分類 ○福島大祐・古賀諒一・橋本典明・黄 果葡(名工大)・中黒匡人・高野 桂・中村栄男(名大医学部附属病院)・本谷秀堅(名工大)・竹内一郎(名工大/理研/物質・材料研究機構) PRMU2019-15 MI2019-34 |
抄録 |
(和) |
本研究では,コンピュータ支援診断を目的とした,ディジタル病理画像を入力とする畳み込みニューラルネットワークを用いた悪性リンパ腫のサブタイプ分類を行う.一般的に入力画像が大きい場合,標本全体からパッチ画像を切り出し処理を行うが,アノテーションがなく標本中の腫瘍領域が不明な場合,各パッチ画像への適切な正解ラベルの付与が困難となる.そこでマルチインスタンス学習を用いることでそのような問題に対処した.また,入力画像の染色ムラになどの外観の変動が分類精度に影響を与えることが分かっている.ドメイン敵対的学習を用いて外観の変動による影響を抑制することで,分類精度が向上することを確認した. |
(英) |
We classify subtypes of malignant lymphoma using convolutional neural network with digital pathological images as input for computer-aided diagnosis. Generally, when the input image is large, the patch image is extracted from the entire sample. However, when we have no information for tumor regions in the sample, it is difficult that correct labels are apprppriately given to each patch image. We address such a problem using multiple instance learning. In addition, it is known that the variety of staining condition of the input pathological image affects the performance of image analysis. We confirmed that the classification accuracy was improved using domain-adversarial learning. |
キーワード |
(和) |
病理画像 / 悪性リンパ腫 / 畳み込みニューラルネットワーク / マルチインスタンス学習 / ドメイン敵対的学習 / / / |
(英) |
pathological image / malignant lymphoma / onvolutional neural network / multiple instance learning / domain-adversarial learning / / / |
文献情報 |
信学技報, vol. 119, no. 193, MI2019-34, pp. 19-24, 2019年9月. |
資料番号 |
MI2019-34 |
発行日 |
2019-08-28 (PRMU, MI) |
ISSN |
Online edition: ISSN 2432-6380 |
著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) |
PDFダウンロード |
PRMU2019-15 MI2019-34 |