Segmentation of the veterinary cytological images for fast neoplastic tumors diagnosis

要約

タイトル：獣医学におけるサイトロジカル画像の分割による、がんの高速診断

要約：
– この論文は、獣医学におけるサイトロジカル画像のインスタンス分割を行う機械学習システムを紹介している。
– 実験には、11種類の細胞が直接・間接的に使用され、損傷したり未認識のカテゴリも含まれていた。
– システムに使用された深層学習モデルは、選択された3種類の腫瘍に対して、平均適合率と再現率のスコアが高く、それぞれ0.94と0.8であった。
– 細胞の種類の多様性により、腫瘍細胞タイプの間違いが比較的少ないことが意義深い結論を導き出すことができた。
– また、モデルが腫瘍細胞の特徴を十分に学習したため、一つの腫瘍タイプを別のタイプに誤分類することを避けることができた。
– 実験結果は、（損傷した細胞を除く）データセットのサイズが大きくなるほど結果の品質が向上することを示した。
– すべての実験は、協力してくれた獣医師が提供したカスタムのデータセットを使用して行われた。

要約(オリジナル)

This paper shows the machine learning system which performs instance segmentation of cytological images in veterinary medicine. Eleven cell types were used directly and indirectly in the experiments, including damaged and unrecognized categories. The deep learning models employed in the system achieve a high score of average precision and recall metrics, i.e. 0.94 and 0.8 respectively, for the selected three types of tumors. This variety of label types allowed us to draw a meaningful conclusion that there are relatively few mistakes for tumor cell types. Additionally, the model learned tumor cell features well enough to avoid misclassification mistakes of one tumor type into another. The experiments also revealed that the quality of the results improves with the dataset size (excluding the damaged cells). It is worth noting that all the experiments were done using a custom dedicated dataset provided by the cooperating vet doctors.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI