확대 우선: 유방암 조직학적 영상에서 표현을 학습하는 자기 지도 방법

이 연구는 라벨 없이 조직병리학 의료 이미지에서 효율적인 표현을 학습하기 위해 확대 배수를 활용한 새로운 자기 감독 사전 학습 방법을 제시합니다. 다른 최신 연구들은 주로 인간의 주석에 크게 의존하는 완전히 지도된 학습 접근법에 초점을 맞추고 있습니다. 그러나 조직병리학 분야에서는 라벨화된 데이터와 비라벨화된 데이터의 부족이 오랜 시간 동안 해결되지 않은 문제로 남아 있습니다. 현재, 라벨 없이 표현 학습을 수행하는 것은 조직병리학 분야에서 아직 탐구되지 않은 영역입니다.제안된 방법인 확대 배수 대조 유사성(Magnification Prior Contrastive Similarity, MPCS)은 확대 배수, 귀납적 전송, 그리고 인간의 사전 지식을 줄임으로써 소규모 유방암 데이터셋 BreakHis에서 라벨 없이 자기 감독 학습을 가능하게 합니다. 이 방법은 미세 조정(fine-tuning) 시 단 20%의 라벨만 사용해도 악성 종양 분류에서 완전히 지도된 학습의 최신 성능과 일치하며, 완전히 지도된 학습 환경에서는 이전 연구들을 능가합니다. 또한, 이 연구는 인간의 사전 지식을 줄이는 것이 자기 감독에서 효율적인 표현 학습을 이끈다는 가설을 제시하고 이를 경험적으로 입증하는 증거를 제공합니다.본 연구의 구현은 GitHub에서 온라인으로 이용할 수 있습니다 - https://github.com/prakashchhipa/Magnification-Prior-Self-Supervised-Method