Weakly Semi-supervised Whole Slide Image Classification by Two-level Cross Consistency Supervision

要約

コンピューター支援全体のスライド画像（WSI）分類は、臨床病理学的診断の精度と効率を高める可能性があります。
一般に、複数のインスタンス学習（MIL）問題として定式化されています。各WSIはバッグとして扱われ、WSIから抽出された小さなパッチはそのバッグ内のインスタンスと見なされます。
ただし、特に新しい分類タスクに既存のWSIを使用する場合、多数のバッグのラベルを取得することは、費用がかかり、時間のかかるプロセスです。
この制限により、ほとんどの既存のWSI分類方法が効果的ではありません。
この問題に対処するために、臨床診療とより整合する新しいWSI分類問題設定を提案します。
WSWCでは、少数のバッグがラベル付けされていますが、かなりの数のバッグはラベル付けされていません。
WSWC問題のMIL性は、パッチラベルの欠如と相まって、典型的な半監視画像分類の問題と区別し、WSWC問題を直接解決するのに適していない自然画像の既存のアルゴリズムを作成します。
この論文では、Crocoという名前の簡潔で効率的なフレームワークを紹介し、2レベルのクロスコンシステンシー監督を通じてWSWCの問題に取り組んでいます。
Crocoは、インスタンス分類とバッグ分類の両方を実行できる2つの不均一な分類子分岐で構成されています。
基本的なアイデアは、トレーニング中に2つのブランチ間のバッグレベルとインスタンスレベルの両方で、相互整合性の監督を確立することです。
4つのデータセットで実施された広範な実験は、クロコがバッグラベルを備えた限られたWSIが利用可能な場合、他の比較方法と比較して優れたバッグ分類とインスタンス分類パフォーマンスを達成することを示しています。
私たちの知る限り、この論文はWSWCの問題を初めて提示し、解決を成功させます。

要約(オリジナル)

Computer-aided Whole Slide Image (WSI) classification has the potential to enhance the accuracy and efficiency of clinical pathological diagnosis. It is commonly formulated as a Multiple Instance Learning (MIL) problem, where each WSI is treated as a bag and the small patches extracted from the WSI are considered instances within that bag. However, obtaining labels for a large number of bags is a costly and time-consuming process, particularly when utilizing existing WSIs for new classification tasks. This limitation renders most existing WSI classification methods ineffective. To address this issue, we propose a novel WSI classification problem setting, more aligned with clinical practice, termed Weakly Semi-supervised Whole slide image Classification (WSWC). In WSWC, a small number of bags are labeled, while a significant number of bags remain unlabeled. The MIL nature of the WSWC problem, coupled with the absence of patch labels, distinguishes it from typical semi-supervised image classification problems, making existing algorithms for natural images unsuitable for directly solving the WSWC problem. In this paper, we present a concise and efficient framework, named CroCo, to tackle the WSWC problem through two-level Cross Consistency supervision. CroCo comprises two heterogeneous classifier branches capable of performing both instance classification and bag classification. The fundamental idea is to establish cross-consistency supervision at both the bag-level and instance-level between the two branches during training. Extensive experiments conducted on four datasets demonstrate that CroCo achieves superior bag classification and instance classification performance compared to other comparative methods when limited WSIs with bag labels are available. To the best of our knowledge, this paper presents for the first time the WSWC problem and gives a successful resolution.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google