Open fulfulggg opened 2 weeks ago
ヒト上皮成長因子受容体2(HER2)の発現は、費用対効果の高いヘマトキシリン・エオシン(H&E)染色HER2スコア測定の恩恵を受けられる乳がん患者の重要なバイオマーカーです。しかし、そのようなスコアモデルの開発には、大規模なピクセルレベルの注釈付きデータセットが必要です。転移学習は異なるデータセットからの事前知識の再利用を可能にする一方、多重インスタンス学習(MIL)は詳細な注釈の欠如を軽減します。本研究の目的は、(i)免疫組織化学(IHC)画像、(ii)H&E画像、および(iii)非医療画像で事前学習された深層学習モデルの性能に対する転移学習の可能性を検証することです。事前学習済みモデルをパッチ埋め込みモデルとして使用し、アテンション機構を備えたMILフレームワークを開発しました。H&E画像で事前学習された埋め込みモデルは、他のモデルよりも一貫して優れたパフォーマンスを示し、4つのHER2スコア全体で平均AUC-ROC値0.622(HER2スコアごとに0.59〜0.80)という結果が得られました。さらに、アテンション層を備えた多重インスタンス学習を使用することで、良好な分類結果が得られるだけでなく、パッチごとのアテンション重みを利用することで、H&Eスライド画像内のHER2陽性領域の視覚的な指示を得られることもわかりました。
この研究では、乳がんの重要な指標であるHER2の有無を、安価で一般的なHE染色画像からAIで自動判定する方法を開発しました。
つまり、この研究は、少ない教師データで、HE染色画像からHER2を自動判定するAIを開発し、その判定根拠を可視化できることを示しました。
@yukihiko-fuyuki が以下のラベルを提案し、適用しました:
以下の新しいラベルが作成され、適用されました:
タイトル: HE染色全スライド画像を用いたHER2自動スコアリングのための転移学習と多重インスタンス学習の活用
リンク: https://arxiv.org/abs/2411.05028
概要:
ヒト上皮成長因子受容体2(HER2)の発現は、費用対効果の高いヘマトキシリン・エオシン(H&E)染色HER2スコア測定の恩恵を受けられる乳がん患者の重要なバイオマーカーです。しかし、そのようなスコアモデルの開発には、大規模なピクセルレベルの注釈付きデータセットが必要です。転移学習は異なるデータセットからの事前知識の再利用を可能にする一方、多重インスタンス学習(MIL)は詳細な注釈の欠如を軽減します。本研究の目的は、(i)免疫組織化学(IHC)画像、(ii)H&E画像、および(iii)非医療画像で事前学習された深層学習モデルの性能に対する転移学習の可能性を検証することです。事前学習済みモデルをパッチ埋め込みモデルとして使用し、アテンション機構を備えたMILフレームワークを開発しました。H&E画像で事前学習された埋め込みモデルは、他のモデルよりも一貫して優れたパフォーマンスを示し、4つのHER2スコア全体で平均AUC-ROC値0.622(HER2スコアごとに0.59〜0.80)という結果が得られました。さらに、アテンション層を備えた多重インスタンス学習を使用することで、良好な分類結果が得られるだけでなく、パッチごとのアテンション重みを利用することで、H&Eスライド画像内のHER2陽性領域の視覚的な指示を得られることもわかりました。