基于部分标签比例的全切片图像分割学习
计算机视觉与模式识别
2024-05-16 v1
摘要
在本文中，我们通过利用不完整的标签比例来解决全切片图像（WSI）中肿瘤亚型的分割问题。具体而言，我们利用“部分”标签比例，它给出了肿瘤亚型之间的比例，但没有给出肿瘤与非肿瘤之间的比例。部分标签比例被病理学家记录为标准诊断信息，因此我们希望利用它们来实现将每个WSI图像块分类为某种肿瘤亚型或非肿瘤的分割模型。我们将此问题称为“基于部分标签比例的学习（LPLP）”，并将其表述为弱监督学习问题。然后，我们通过将其分解为两个弱监督学习子问题：多示例学习（MIL）和基于标签比例的学习（LLP），为这一具有挑战性的问题提出了一种高效算法。这些子问题以端到端的方式进行高效优化。通过在两个WSI数据集上进行的实验证明了我们算法的有效性。
引用
@article{arxiv.2405.09041,
title = {Learning from Partial Label Proportions for Whole Slide Image Segmentation},
author = {Shinnosuke Matsuo and Daiki Suehiro and Seiichi Uchida and Hiroaki Ito and Kazuhiro Terada and Akihiko Yoshizawa and Ryoma Bise},
journal= {arXiv preprint arXiv:2405.09041},
year = {2024}
}
备注
Accepted at MICCAI2024