Towards Interpretable Classification of Leukocytes based on Deep Learning

要約

ラベルフリーのアプローチは、その柔軟性とコスト効率の点で、細胞学的イメージングにおいて魅力的です。
これらは機械学習手法によってサポートされており、標識の欠如とそれに伴うコントラストの低下にも関わらず、人間の観察者が細胞を識別する機会がほとんどない場合でも、高精度で細胞を分類できます。
これらのワークフローを臨床意思決定プロセスにうまく統合するために、この研究では白血球の自動分類の信頼度推定の校正を調査します。
さらに、さまざまな視覚的説明アプローチを比較することで、機械による意思決定を専門的な医療アプリケーションに近づけることができます。
さらに、ニューラル ネットワークにおける一般的な検出パターンを特定し、血球分析のさまざまなシナリオにおける提示されたアプローチの有用性を実証することができました。

要約(オリジナル)

Label-free approaches are attractive in cytological imaging due to their flexibility and cost efficiency. They are supported by machine learning methods, which, despite the lack of labeling and the associated lower contrast, can classify cells with high accuracy where the human observer has little chance to discriminate cells. In order to better integrate these workflows into the clinical decision making process, this work investigates the calibration of confidence estimation for the automated classification of leukocytes. In addition, different visual explanation approaches are compared, which should bring machine decision making closer to professional healthcare applications. Furthermore, we were able to identify general detection patterns in neural networks and demonstrate the utility of the presented approaches in different scenarios of blood cell analysis.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google