パッチベース学習の限界を克服しがんを検出する

• 全スライド画像（WSI）の解析は多くの課題を抱えています。
• 本研究では、がんの正確な局在化とセグメンテーション手法を提案します。
• 特に、ネガティブデータサンプリング戦略が効果的であることを示しました。

全スライド画像（WSI）は、深層学習モデルの訓練において独自の課題を持っています。本研究では、がんの局在化とセグメンテーションに焦点を当て、ネガティブデータサンプリング戦略を用いることで誤検出率を大幅に低下させる手法を提案しています。このアプローチは、従来のパッチベースの手法とは異なる結果を示し、特にWSIにおいて有効であることが分かりました。がん研究や医療画像解析に関心のある方におすすめです。

がん研究や医療画像解析に興味がある研究者や技術者に向いています。