Kartezio: Evolutionary Design of Explainable Pipelines for Biomedical Image Analysis

要約

現代の生物医学における未解決の問題は、注釈、分析、および解釈を必要とする複雑な画像の圧倒的な数と多様性です。
ディープ ラーニングの最近の進歩は、コンピューター ビジョンの分野に革命をもたらし、画像セグメンテーション タスクで人間の専門家と競合するアルゴリズムを作成しました。
ただし、重要なのは、これらのフレームワークでは、トレーニングのために人間が注釈を付けた大規模なデータセットが必要であり、結果のモデルを解釈するのが難しいことです。
この研究では、コンピュータービジョン機能を繰り返し組み立ててパラメーター化することにより、透過的で簡単に解釈可能な画像処理パイプラインを生成するモジュラーデカルト遺伝的プログラミングベースの計算戦略である Kartezio を紹介します。
このように生成されたパイプラインは、インスタンス セグメンテーション タスクで最先端のディープ ラーニング アプローチに匹敵する精度を示しますが、必要なトレーニング データセットは大幅に小さくなり、このアプローチに驚異的な柔軟性、速度、および機能性がもたらされます。
また、Kartezio を展開して、4 つの実世界のユース ケースでセマンティックおよびインスタンスのセグメンテーションの問題を解決し、高解像度顕微鏡法から臨床病理学に至るまでのイメージング コンテキストにおけるその有用性を紹介しました。
細胞内構造から腫瘍組織に至るまでの画像のポートフォリオに Kartezio をうまく実装することにより、セマンティックおよびインスタンスのセグメンテーションのためのこの完全に説明可能な進化的デザイナーの柔軟性、堅牢性、および実用性を実証しました。

要約(オリジナル)

An unresolved issue in contemporary biomedicine is the overwhelming number and diversity of complex images that require annotation, analysis and interpretation. Recent advances in Deep Learning have revolutionized the field of computer vision, creating algorithms that compete with human experts in image segmentation tasks. Crucially however, these frameworks require large human-annotated datasets for training and the resulting models are difficult to interpret. In this study, we introduce Kartezio, a modular Cartesian Genetic Programming based computational strategy that generates transparent and easily interpretable image processing pipelines by iteratively assembling and parameterizing computer vision functions. The pipelines thus generated exhibit comparable precision to state-of-the-art Deep Learning approaches on instance segmentation tasks, while requiring drastically smaller training datasets, a feature which confers tremendous flexibility, speed, and functionality to this approach. We also deployed Kartezio to solve semantic and instance segmentation problems in four real-world Use Cases, and showcase its utility in imaging contexts ranging from high-resolution microscopy to clinical pathology. By successfully implementing Kartezio on a portfolio of images ranging from subcellular structures to tumoral tissue, we demonstrated the flexibility, robustness and practical utility of this fully explicable evolutionary designer for semantic and instance segmentation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google