MaNi: Maximizing Mutual Information for Nuclei Cross-Domain Unsupervised Segmentation

要約

この作業では、クロスドメイン核セグメンテーションのための相互情報量（MI）ベースの教師なしドメイン適応（UDA）法を提案します。
核は、さまざまながんの種類によって構造と外観が大幅に異なり、あるがんの種類でトレーニングして別の種類のがんでテストすると、深層学習モデルのパフォーマンスが低下します。
核の正確なセグメンテーションと定量化は患者の診断/予後に不可欠な組織病理学的タスクであり、新しい癌タイプのピクセルレベルで核に注釈を付けるには医療専門家による多大な努力が必要であるため、このドメインシフトはさらに重要になります。
この問題に対処するために、ドメイン間で核セグメンテーションの知識を転送するために、ラベル付きのソースがんタイプデータとラベルなしのターゲットがんタイプデータ間のMIを最大化します。
Jensen-Shanon発散限界を使用し、MIの最大化に正のペアごとに1つの負のペアのみを必要とします。
複数のモデリングフレームワークと、20を超えるがんタイプのドメインシフトで構成されるさまざまなデータセットのセットアップを評価し、競争力のあるパフォーマンスを示します。
最近提案されたすべてのアプローチは、ドメイン適応を改善するための複数のコンポーネントで構成されていますが、提案されたモジュールは軽量で、他のメソッドに簡単に組み込むことができます（実装：https：//github.com/YashSharma/MaNi）。

要約(オリジナル)

In this work, we propose a mutual information (MI) based unsupervised domain adaptation (UDA) method for the cross-domain nuclei segmentation. Nuclei vary substantially in structure and appearances across different cancer types, leading to a drop in performance of deep learning models when trained on one cancer type and tested on another. This domain shift becomes even more critical as accurate segmentation and quantification of nuclei is an essential histopathology task for the diagnosis/ prognosis of patients and annotating nuclei at the pixel level for new cancer types demands extensive effort by medical experts. To address this problem, we maximize the MI between labeled source cancer type data and unlabeled target cancer type data for transferring nuclei segmentation knowledge across domains. We use the Jensen-Shanon divergence bound, requiring only one negative pair per positive pair for MI maximization. We evaluate our set-up for multiple modeling frameworks and on different datasets comprising of over 20 cancer-type domain shifts and demonstrate competitive performance. All the recently proposed approaches consist of multiple components for improving the domain adaptation, whereas our proposed module is light and can be easily incorporated into other methods (Implementation: https://github.com/YashSharma/MaNi ).

arxiv情報

提供元, 利用サービス

arxiv.jp, Google