Self-Supervised Learning for Gastritis Detection with Gastric X-ray Images

要約

目的: 医師が胃炎の検出のために胃の X 線画像に手動で注釈を付けるには、時間と費用がかかります。
この論文では、この問題を解決するための自己教師あり学習法を提案します。
この研究は、いくつかの注釈付き胃 X 線画像を使用して、胃炎の検出における提案された自己教師あり学習法の有効性を検証することを目的としています。
方法: この論文では、明示的な自己教師あり学習を実行し、胃の X 線画像から識別表現を学習できる新しい方法を提案します。
提案された方法でトレーニングされたモデルは、いくつかの注釈付き胃 X 線画像を含むデータセットで微調整されました。
5 つの自己教師あり学習法、すなわち、SimSiam、BYOL、PIRL-jigsaw、PIRL-rotation、および SimCLR が、提案された方法と比較されました。
さらに、ImageNet で事前トレーニングされた方法、ゼロからトレーニングされた方法、および半教師あり学習方法の 3 つの以前の方法が、提案された方法と比較されました。
結果: 10、20、30、および 40 人の患者の注釈付きデータを使用して微調整した後の、提案された方法の感度と特異度の調和平均スコアは、それぞれ 0.875、0.911、0.915、および 0.931 でした。
提案された方法は、5 つの自己教師あり学習と 3 つの以前の方法を含むすべての比較方法よりも優れていました。
実験結果は、少数の注釈付き胃 X 線画像を使用した胃炎検出における提案された方法の有効性を示しました。
結論: 提案された自己教師あり学習法は、いくつかの注釈付き胃 X 線画像を使用した胃炎の検出における潜在的な臨床使用を示しています。

要約(オリジナル)

Purpose: It is time-consuming and expensive for doctors to annotate gastric X-ray images for gastritis detection manually. This paper proposes a self-supervised learning method to solve this problem. This study aims to verify the effectiveness of the proposed self-supervised learning method in gastritis detection using a few annotated gastric X-ray images. Methods: In this paper, we propose a novel method that can perform explicit self-supervised learning and learn discriminative representations from gastric X-ray images. Models trained with the proposed method were fine-tuned on datasets with a few annotated gastric X-ray images. Five self-supervised learning methods, i.e., SimSiam, BYOL, PIRL-jigsaw, PIRL-rotation, and SimCLR, were compared with the proposed method. Furthermore, three previous methods, one pretrained on ImageNet, one trained from scratch, and one semi-supervised learning method, were compared with the proposed method. Results: The proposed method$’$s harmonic mean score of sensitivity and specificity after fine-tuning with the annotated data of 10, 20, 30, and 40 patients were 0.875, 0.911, 0.915, and 0.931, respectively. The proposed method outperformed all comparative methods, including the five self-supervised learning and three previous methods. Experimental results showed the effectiveness of the proposed method in gastritis detection with a few annotated gastric X-ray images. Conclusions: The proposed self-supervised learning method shows potential clinical use in gastritis detection using a few annotated gastric X-ray images.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google