Towards Label-efficient Automatic Diagnosis and Analysis: A Comprehensive Survey of Advanced Deep Learning-based Weakly-supervised, Semi-supervised and Self-supervised Techniques in Histopathological Image Analysis

要約

組織病理学的画像には豊富な表現型情報と病理学的パターンが含まれており、これらは疾患診断のゴールド スタンダードであり、患者の予後と治療結果の予測に不可欠です。
近年、病理組織画像のコンピュータによる自動解析技術が臨床現場で急務となっており、デジタルパソロジーの分野では畳み込みニューラルネットワークに代表される深層学習手法が主流になりつつあります。
ただし、この分野で多数のきめ細かい注釈付きデータを取得することは非常に高価で困難な作業であり、多数の注釈付きデータに基づく従来の教師ありアルゴリズムのさらなる開発を妨げています。
最近では、従来の教師ありパラダイムから解放され始めた研究があり、最も代表的なものは、弱アノテーションに基づく弱教師あり学習パラダイム、限定アノテーションに基づく半教師あり学習パラダイム、病理学に基づく自己教師あり学習パラダイムに関する研究です。
イメージ表現学習。
これらの新しい方法は、アノテーションの効率化を目的とした自動病理画像診断および分析の新しい波をもたらしました。
130 を超える論文の調査により、技術的および方法論的な観点から、計算病理学の分野における弱教師あり学習、半教師あり学習、および自己教師あり学習に関する最新の研究の包括的かつ体系的なレビューを提示します。
最後に、これらの技術の主要な課題と将来の傾向を示します。

要約(オリジナル)

Histopathological images contain abundant phenotypic information and pathological patterns, which are the gold standards for disease diagnosis and essential for the prediction of patient prognosis and treatment outcome. In recent years, computer-automated analysis techniques for histopathological images have been urgently required in clinical practice, and deep learning methods represented by convolutional neural networks have gradually become the mainstream in the field of digital pathology. However, obtaining large numbers of fine-grained annotated data in this field is a very expensive and difficult task, which hinders the further development of traditional supervised algorithms based on large numbers of annotated data. More recent studies have started to liberate from the traditional supervised paradigm, and the most representative ones are the studies on weakly supervised learning paradigm based on weak annotation, semi-supervised learning paradigm based on limited annotation, and self-supervised learning paradigm based on pathological image representation learning. These new methods have led a new wave of automatic pathological image diagnosis and analysis targeted at annotation efficiency. With a survey of over 130 papers, we present a comprehensive and systematic review of the latest studies on weakly supervised learning, semi-supervised learning, and self-supervised learning in the field of computational pathology from both technical and methodological perspectives. Finally, we present the key challenges and future trends for these techniques.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google