Item type |
SIG Technical Reports(1) |
公開日 |
2022-05-05 |
タイトル |
|
|
タイトル |
病理画像における腫瘍領域の空間分布に基づく半教師学習 |
言語 |
|
|
言語 |
jpn |
キーワード |
|
|
主題Scheme |
Other |
|
主題 |
一般講演セッション2 |
資源タイプ |
|
|
資源タイプ識別子 |
http://purl.org/coar/resource_type/c_18gh |
|
資源タイプ |
technical report |
著者所属 |
|
|
|
九州大学大学院システム情報科学府 |
著者所属 |
|
|
|
九州大学大学院システム情報科学府 |
著者所属 |
|
|
|
九州大学大学院システム情報科学府 |
著者所属 |
|
|
|
京都大学医学部附属病院 |
著者所属 |
|
|
|
京都大学医学部附属病院 |
著者所属 |
|
|
|
京都大学医学部附属病院 |
著者所属 |
|
|
|
九州大学大学院システム情報科学府 |
著者名 |
重安, 勇輝
原田, 翔太
荒木, 健吾
吉澤, 明彦
寺田, 和弘
寺本, 祐記
備瀬, 竜馬
|
論文抄録 |
|
|
内容記述タイプ |
Other |
|
内容記述 |
一般的な擬似ラベル法では,各パッチの信頼度に基づいて擬似ラベルを選択する.しかし,学習に用いる教師ありデータが少ないため,推定が正確でなく,不正確な疑似ラベルが多いという課題がある.そこで本研究では,腫瘍領域の空間分布モデルを用いることで,不正確な擬似ラベルの選択を回避する.これは腫瘍領域が細胞分裂により広がっていくため,組織内でクラスタを形成するという仮定に基づくものである.既存手法との比較の結果,本手法の有効性を示し,最も優れたセグメンテーション性能を達成した. |
書誌レコードID |
|
|
収録物識別子タイプ |
NCID |
|
収録物識別子 |
AA11131797 |
書誌情報 |
研究報告コンピュータビジョンとイメージメディア(CVIM)
巻 2022-CVIM-230,
号 43,
p. 1-5,
発行日 2022-05-05
|
ISSN |
|
|
収録物識別子タイプ |
ISSN |
|
収録物識別子 |
2188-8701 |
Notice |
|
|
|
SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc. |
出版者 |
|
|
言語 |
ja |
|
出版者 |
情報処理学会 |