日本語タイトル#
病理学に基づく潜在拡散モデルを用いたリンパ節転移における異常検出
英文タイトル#
Pathology-Informed Latent Diffusion Model for Anomaly Detection in Lymph Node Metastasis
日本語摘要#
異常検出は、デジタル病理学において新興のアプローチであり、データを効率的かつ効果的に利用して疾患診断を行う能力があります。監視学習アプローチは高い精度を提供しますが、広範に注釈されたデータセットに依存しており、デジタル病理学ではデータの不足という問題があります。しかし、無監視異常検出は、包括的な注釈を必要とせずに正常組織分布からの偏差を特定することによって、実行可能な代替手段を提供します。最近、去噪拡散確率モデルは無監視異常検出において人気を集めており、自然および医学画像データセットで有望な性能を達成しています。これを基に、我々はデジタル病理学における無監視異常検出のために、視覚 - 言語モデルと拡散モデルを組み合わせ、再構築プロセス中に組織病理学のヒントを利用します。我々のアプローチは、正常組織に関連する病理学用語のセットを使用して再構築プロセスを導き、正常組織と異常組織を区別するのに役立ちます。提案された方法の有効性を評価するために、地元の病院の胃リンパ節データセットで実験を行い、公開された乳腺リンパ節データセットを使用してドメインシフト下での一般化能力を評価します。実験結果は、デジタル病理学におけるさまざまな器官の無監視異常検出に対する提案された方法の可能性を強調しています。コード：https://github.com/QuIIL/AnoPILaD.
英文摘要#
Anomaly detection is an emerging approach in digital pathology for its ability to efficiently and effectively utilize data for disease diagnosis. While supervised learning approaches deliver high accuracy, they rely on extensively annotated datasets, suffering from data scarcity in digital pathology. Unsupervised anomaly detection, however, offers a viable alternative by identifying deviations from normal tissue distributions without requiring exhaustive annotations. Recently, denoising diffusion probabilistic models have gained popularity in unsupervised anomaly detection, achieving promising performance in both natural and medical imaging datasets. Building on this, we incorporate a vision-language model with a diffusion model for unsupervised anomaly detection in digital pathology, utilizing histopathology prompts during reconstruction. Our approach employs a set of pathology-related keywords associated with normal tissues to guide the reconstruction process, facilitating the differentiation between normal and abnormal tissues. To evaluate the effectiveness of the proposed method, we conduct experiments on a gastric lymph node dataset from a local hospital and assess its generalization ability under domain shift using a public breast lymph node dataset. The experimental results highlight the potential of the proposed method for unsupervised anomaly detection across various organs in digital pathology. Code: https://github.com/QuIIL/AnoPILaD.
文章ページ#
病理学に基づく潜在拡散モデルを用いたリンパ節転移における異常検出
PDF 入手#
抖音でスキャンしてさらに素晴らしいコンテンツを見る