IL-MCAM: An interactive learning and multi-channel attention mechanism-based weakly supervised colorectal histopathology image classification approach

要約

近年、大腸がんは人の健康を脅かす重大な疾患の一つとなっています。大腸の病理組織画像の分類には、ディープラーニングの手法がますます重要になってきています。しかし、既存のアプローチは、人間とコンピュータの相互作用よりも、コンピュータを用いたエンドツーエンドの自動分類に重点を置いている。本論文では、IL-MCAMフレームワークを提案する。これは、注意の仕組みと対話的な学習に基づくものである。提案するIL-MCAMフレームワークは、自動学習（AL）と対話型学習（IL）の2つの段階を含んでいる。ALステージでは、3つの異なる注意メカニズムのチャンネルと畳み込みニューラルネットワークを含むマルチチャンネル注意メカニズムモデルが、分類のためのマルチチャンネル特徴を抽出するために用いられる。IL段階では、提案するIL-MCAMフレームワークが、対話的アプローチで誤分類画像を学習セットに継続的に追加し、MCAMモデルの分類能力を向上させる。提案するIL-MCAMフレームワークの性能を検証するために、我々のデータセットでの比較実験とHE-NCT-CRC-100Kデータセットでの拡張実験を行い、それぞれ98.98%と99.77%の分類精度を達成しました。また、3つのチャネルの能力と互換性を検証するために、アブレーション実験と交換性実験を行いました。実験結果から、提案するIL-MCAMフレームワークは、大腸病理組織画像分類タスクにおいて優れた性能を発揮することが示された。

要約(オリジナル)

In recent years, colorectal cancer has become one of the most significant diseases that endanger human health. Deep learning methods are increasingly important for the classification of colorectal histopathology images. However, existing approaches focus more on end-to-end automatic classification using computers rather than human-computer interaction. In this paper, we propose an IL-MCAM framework. It is based on attention mechanisms and interactive learning. The proposed IL-MCAM framework includes two stages: automatic learning (AL) and interactivity learning (IL). In the AL stage, a multi-channel attention mechanism model containing three different attention mechanism channels and convolutional neural networks is used to extract multi-channel features for classification. In the IL stage, the proposed IL-MCAM framework continuously adds misclassified images to the training set in an interactive approach, which improves the classification ability of the MCAM model. We carried out a comparison experiment on our dataset and an extended experiment on the HE-NCT-CRC-100K dataset to verify the performance of the proposed IL-MCAM framework, achieving classification accuracies of 98.98% and 99.77%, respectively. In addition, we conducted an ablation experiment and an interchangeability experiment to verify the ability and interchangeability of the three channels. The experimental results show that the proposed IL-MCAM framework has excellent performance in the colorectal histopathological image classification tasks.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL