@techreport{oai:ipsj.ixsq.nii.ac.jp:00217856,
 author = {重安, 勇輝 and 原田, 翔太 and 荒木, 健吾 and 吉澤, 明彦 and 寺田, 和弘 and 寺本, 祐記 and 備瀬, 竜馬},
 issue = {43},
 month = {May},
 note = {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．},
 title = {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},
 year = {2022}
}