回転等変CNNを用いたデジタル病理学

私たちは、組織病理学画像が回転と反射に対して本質的に対称であるという観察に基づいて、デジタル病理学のセグメンテーションのための新しいモデルを提案します。最近の回転等変性CNNに関する研究結果を活用し、提案されたモデルはこれらの対称性を原理的な方法で利用しています。視覚的な分析を通じて予測の安定性が向上したことを示し、さらに回転等変性を利用することで困難なリンパ節転移データセットでの腫瘍検出性能が大幅に向上することを実証します。また、機械学習モデルの原理的な比較を可能にする新たな派生データセットと初期ベンチマークを提示します。このデータセットにより、組織病理学診断の課題が基本的な機械学習研究にとって挑戦的なベンチマークとしてアクセス可能になります。