階層的条件付き確率場を用いた胃組織病理学画像のセグメンテーション

胃がんの知能診断に用いられる畳み込みニューラルネットワーク（CNNs）において、既存の手法は主に個々の特性やネットワークフレームワークに焦点を当てており、全体的な情報を描写する方策が不足しています。特に、複雑な内容を含む画像の分析に効果的で安定したアルゴリズムである条件付き随機フィールド（CRF）は、画像内の空間関係を特徴づけることができます。本論文では、新たな階層的条件付き随機フィールド（HCRF）に基づく胃組織病理学画像セグメンテーション（GHIS）手法を提案します。この手法は光学顕微鏡で得られた胃組織病理学画像から自動的に異常（がん）領域を局在化し、組織病理学者の医療業務を支援することを目指しています。HCRFモデルは、ピクセルレベルとパッチレベルのポテンシャルを含む高次ポテンシャルで構築されており、グラフベースの後処理が適用されてセグメンテーション性能をさらに向上させています。特に、ピクセルレベルのポテンシャル構築にはCNNが訓練され、パッチレベルのポテンシャル構築にはさらに3つのCNNが微調整されています。これにより十分な空間セグメンテーション情報が得られます。実験では、560枚の異常画像を含むヘマトキシリン・エオシン（H&E）染色された胃組織病理学データセットが1:1:2の比率で訓練セット、検証セット、テストセットに分割されました。最終的に、テストセットでのセグメンテーション精度は78.91%、再現率は65.59%、特異度は81.33%という結果を得ました。我々のHCRFモデルは高いセグメンテーション性能を示し、GHIS分野における有効性と将来性を示唆しています。