Few Shot Learning for the Classification of Confocal Laser Endomicroscopy Images of Head and Neck Tumors

要約

頭頸部の腫瘍の外科的除去には安全なマージンが必要ですが、通常、これは術中に凍結切片によって確認されます。
この方法自体はオーバーサンプリング手順であり、パラフィン包埋切片の最終的な組織分析と比較して感度が比較的低くなります。
共焦点レーザー内視鏡検査 (CLE) は、生体内組織の光学的生検においてその可能性を示した生体内イメージング技術です。
この解釈が難しいことで悪名高いモダリティの自動分析は、外科医を助けるでしょう。
しかし、CLE の画像には、個々の要因だけでなく、最も強く、画像化された組織の解剖学的構造によっても引き起こされる幅広いパターンの変動が示されているため、パターン認識が困難な課題となっています。
この研究では、CLE 画像内の目に見えない解剖学的領域を一般化する機能に向けて、4 つの一般的な少数ショット学習 (FSL) 手法を評価します。
交差検証スキームを使用して、5 人の患者の副鼻腔腫瘍 (SNT) の画像と 11 人の患者の声帯 (VF) の画像でこれを評価します。
それぞれの最良のアプローチは、かなり均質な VF データセットでは 79.6% の中央値精度に達しましたが、非常に多様な SNT データセットでは 61.6% にすぎませんでした。
我々の結果は、CLE画像上のFSLは実行可能であるが、患者数や解剖学的パターンの多様性に強く影響されることを示しています。

要約(オリジナル)

The surgical removal of head and neck tumors requires safe margins, which are usually confirmed intraoperatively by means of frozen sections. This method is, in itself, an oversampling procedure, which has a relatively low sensitivity compared to the definitive tissue analysis on paraffin-embedded sections. Confocal laser endomicroscopy (CLE) is an in-vivo imaging technique that has shown its potential in the live optical biopsy of tissue. An automated analysis of this notoriously difficult to interpret modality would help surgeons. However, the images of CLE show a wide variability of patterns, caused both by individual factors but also, and most strongly, by the anatomical structures of the imaged tissue, making it a challenging pattern recognition task. In this work, we evaluate four popular few shot learning (FSL) methods towards their capability of generalizing to unseen anatomical domains in CLE images. We evaluate this on images of sinunasal tumors (SNT) from five patients and on images of the vocal folds (VF) from 11 patients using a cross-validation scheme. The best respective approach reached a median accuracy of 79.6% on the rather homogeneous VF dataset, but only of 61.6% for the highly diverse SNT dataset. Our results indicate that FSL on CLE images is viable, but strongly affected by the number of patients, as well as the diversity of anatomical patterns.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google