Order-Guided Disentangled Representation Learning for Ulcerative Colitis Classification with Limited Labels

要約

内視鏡診断の重要なタスクである潰瘍性大腸炎 (UC) の分類には、2 つの主な困難が伴います。
まず、通常、UC に関する注釈 (ポジティブまたはネガティブ) を含む内視鏡画像は限られています。
第二に、結腸内の位置により、外観に大きなばらつきがあります。
特に、2 番目の困難は、最初の困難に対する一般的な解決策である既存の半教師付き学習手法を使用することを妨げます。
本稿では、内視鏡検査で個々の画像にしばしば付随する結腸内の位置 (例: 左結腸) と画像の撮影順序という 2 つの追加機能を新たに利用することにより、UC 分類のための実用的な半教師あり学習法を提案します。
画像シーケンス。
提案手法は、これらの特徴をもつもつれを解くプロセスによって、UC 分類の重要な情報を効率的に抽出することができます。
実験結果は、提案された方法が、少数の注釈付き画像であっても、分類タスクにおいていくつかの既存の半教師あり学習方法よりも優れていることを示しています。

要約(オリジナル)

Ulcerative colitis (UC) classification, which is an important task for endoscopic diagnosis, involves two main difficulties. First, endoscopic images with the annotation about UC (positive or negative) are usually limited. Second, they show a large variability in their appearance due to the location in the colon. Especially, the second difficulty prevents us from using existing semi-supervised learning techniques, which are the common remedy for the first difficulty. In this paper, we propose a practical semi-supervised learning method for UC classification by newly exploiting two additional features, the location in a colon (e.g., left colon) and image capturing order, both of which are often attached to individual images in endoscopic image sequences. The proposed method can extract the essential information of UC classification efficiently by a disentanglement process with those features. Experimental results demonstrate that the proposed method outperforms several existing semi-supervised learning methods in the classification task, even with a small number of annotated images.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google