わらの中の針――計算サイトロジーにおける稀な悪性細胞の検出のためのワンクラス表現学習
arXiv cs.CV / 2026/4/10
💬 オピニオンIdeas & Deep AnalysisModels & Research
要点
- 本論文は、計算サイトロジーにおける悪性細胞の検出を、深刻なクラス不均衡問題として扱う。悪性細胞は形態学的に多様である一方、全スライド画像上では極めて稀である。
- 「目撃率（witness rate）」が低い状況に対して、ワンクラス表現学習を提案する。インスタンス単位の教師信号なしでスライド陰性パッチのみで学習し、テスト時に逸脱を検出する。
- 著者らは、DSVDD と DROC の2つのワンクラス手法を評価し、複数の弱教師ありベースライン（FS-SIL、WS-SIL）や ItS2CLR と比較する。
- TCIA の骨髄データセットおよび自社の口腔がんサイトロジー・データセットでの実験により、DSVDD は超低目撃率レジーム（≤1%）において、インスタンスレベルの異常性ランキングで最先端の性能を達成し、場合によっては完全教師あり学習を上回ることが示される。
- 本研究は、悪性インスタンスが極端に希少であり、アノテーションが現実的に困難な場合、複数インスタンス学習（MIL）のより堅牢で解釈可能な代替として、ワンクラス表現学習が有効であると論じている。
