HistoSegCap: Capsules for Weakly-Supervised Semantic Segmentation of Histological Tissue Type in Whole Slide Images

要約

デジタル病理学では、物理的な組織スライドを高解像度の全スライド画像 (WSI) に変換し、病理学者が病気の影響を受けた組織を分析します。
ただし、多数の顕微鏡視野を持つ大きな組織スライドは、視覚的な検索に課題をもたらします。
病理学者を支援するために、コンピューター支援診断 (CAD) システムは、WSI を効率的に検査し、診断に関連する領域を特定する際の視覚的な支援を提供します。
この論文では、カプセルネットワークに基づく弱教師セマンティックセグメンテーション (WSSS) を採用した新しい病理組織画像解析手法を紹介します。これは、そのようなアプリケーションの最初のものです。
提案されたモデルは、Atlas of Digital Pathology (ADP) データセットを使用して評価され、そのパフォーマンスが他の組織病理学的セマンティック セグメンテーション手法と比較されます。
この発見は、組織病理学的画像解析の精度と効率を向上させるカプセル ネットワークの可能性を強調しています。
実験結果は、提案されたモデルが精度と平均交差オーバーユニオン (mIoU) メトリクスの点で従来の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)

Digital pathology involves converting physical tissue slides into high-resolution Whole Slide Images (WSIs), which pathologists analyze for disease-affected tissues. However, large histology slides with numerous microscopic fields pose challenges for visual search. To aid pathologists, Computer Aided Diagnosis (CAD) systems offer visual assistance in efficiently examining WSIs and identifying diagnostically relevant regions. This paper presents a novel histopathological image analysis method employing Weakly Supervised Semantic Segmentation (WSSS) based on Capsule Networks, the first such application. The proposed model is evaluated using the Atlas of Digital Pathology (ADP) dataset and its performance is compared with other histopathological semantic segmentation methodologies. The findings underscore the potential of Capsule Networks in enhancing the precision and efficiency of histopathological image analysis. Experimental results show that the proposed model outperforms traditional methods in terms of accuracy and the mean Intersection-over-Union (mIoU) metric.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google