病理画像の組織種セグメンテーションを支援する転移学習型インタラクティブツールの開発

抄録

病理画像の組織種セグメンテーションは，高度な専門知識と多大な労力を要する．本研究では，作業者のアノテーション情報を逐次学習し，予測結果を修正することで精度向上を図る対話型セグメンテーションツールを開発した．本ツールはランダムフォレストを用いマッソン・トリクローム染色画像を「細胞核」，「コラーゲン」，「背景」に識別する．ツールの有効性評価のため，専門家よりトレーニングを受けた評価者1名が実験を実施し，IoUとアノテーション操作回数で評価した．その結果，ツールは手作業と同等の精度を維持しつつ作業効率を約1/10に改善した．転移学習による新規画像への適用を試みたところ，明確な効率改善効果は得られなかったが，細胞核認識精度の課題が示唆された．形状特徴量の追加により精度と効率改善が期待される．