A Flyweight CNN with Adaptive Decoder for Schistosoma mansoni Egg Detection

要約

マンソン住血吸虫症は、70 か国以上で流行している寄生虫症であり、その診断は通常、糞便サンプルの顕微鏡画像に含まれる寄生虫の卵を視覚的に数えることによって行われます。
最先端 (SOTA) 物体検出アルゴリズムは重量級のニューラル ネットワークに基づいており、検査室でのルーチンでの診断の自動化には適していません。
私たちは、SOTA 物体検出器よりも数千倍も軽いフライウェイト畳み込みニューラル ネットワーク (CNN) を提示することで、この問題を回避します。
私たちのアプローチのカーネルは、ごく少数のトレーニング画像上にユーザーが描いた落書きによって示される注目領域から層ごとに学習されます。
代表的なカーネルが視覚的に識別され、計算コストを削減してパフォーマンスを向上させるために選択されます。
もう 1 つの技術革新は、各画像に対してオンザフライで畳み込み重みが自動的に定義される単層適応デコーダです。
実験では、私たちの CNN が 5 つの基準に従って 3 つの SOTA ベースラインを上回るパフォーマンスを示し、実験室ルーチンでの CPU 実行にも適しており、利用可能なスレッドごとに 1 秒あたり約 4 枚の画像を処理できることがわかりました。

要約(オリジナル)

Schistosomiasis mansoni is an endemic parasitic disease in more than seventy countries, whose diagnosis is commonly performed by visually counting the parasite eggs in microscopy images of fecal samples. State-of-the-art (SOTA) object detection algorithms are based on heavyweight neural networks, unsuitable for automating the diagnosis in the laboratory routine. We circumvent the problem by presenting a flyweight Convolutional Neural Network (CNN) that weighs thousands of times less than SOTA object detectors. The kernels in our approach are learned layer-by-layer from attention regions indicated by user-drawn scribbles on very few training images. Representative kernels are visually identified and selected to improve performance with reduced computational cost. Another innovation is a single-layer adaptive decoder whose convolutional weights are automatically defined for each image on-the-fly. The experiments show that our CNN can outperform three SOTA baselines according to five measures, being also suitable for CPU execution in the laboratory routine, processing approximately four images a second for each available thread.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google