#262
summarized by : 藤中彩乃
Multi-scale Domain-adversarial Multiple-instance CNN for Cancer Subtype Classification with Unannotated Histopathological Images
Noriaki Hashimoto, Daisuke Fukushima, Ryoichi Koga, Yusuke Takagi, Kaho Ko, Kei Kohno, Masato Nakaguro, Shigeo Nakamura, Hidekata Hontani, Ichiro Takeuchi

どんな論文か？

病理画像のアノテーションコスト，倍率の多様性，染色条件の違いを克服するために，multiple instance learning(MIL)，domain adversarial(DA)，multi-scale(MS) learningを組み合わせたCNNを提案した．パッチベースのCNNで学習を行う際に，画像全体がポジティブなら一定確率のパッチをポジティブとみなす弱教師あり学習を用いた．
placeholder

新規性

マルチスケール画像を並行に入力する弱教師あり学習のネットワークを開発したこと．

結果

プライベートデータセットで悪性リンパ腫のサブタイプの分類を行ったところ，ベースラインのCNNや病理医の分類精度を上回った．

その他（なぜ通ったか？等）

このページで利用されている画像は論文から引用しています．