SSMamba：病理画像分類のための自己教師ありハイブリッド状態空間モデル
SSMamba: A Self-Supervised Hybrid State Space Model for Pathological Image Classification
記事のポイント
📰ニュース
病理画像診断において、自己教師あり学習とハイブリッド状態空間モデルを組み合わせた「SSMamba」が開発されました。
🔍注目ポイント
SSMambaは、Mamba Masked Image Modeling、Directional Multi-scaleモジュール、Local Perception Residualモジュールにより、病理画像の局所的・全体的特徴を効率的に捉えます。
🔮これからどうなる
病理医の診断精度向上に貢献し、多様な臨床現場での病理画像解析の効率化と信頼性向上につながるでしょう。
従来のVision Transformerベースのモデルが抱える、異なる倍率でのドメインシフト、局所と全体の関係性モデリングの不十分さ、微細な診断手がかりの見落としといった課題を解決します。
大規模な外部データセットに依存せず、ターゲットROIデータセットで自己教師あり事前学習を行い、その後教師ありファインチューニングを行う2段階のパイプラインを採用しています。
10の公開ROIデータセットと6の公開WSIデータセットで、既存の最先端モデルを上回る性能を示しました。
大規模な外部データセットに依存せず、ターゲットROIデータセットで自己教師あり事前学習を行い、その後教師ありファインチューニングを行う2段階のパイプラインを採用しています。
10の公開ROIデータセットと6の公開WSIデータセットで、既存の最先端モデルを上回る性能を示しました。
病理診断の精度向上は、患者さんの治療方針に直結する重要な進歩ですね。AIが病理医の目をサポートし、より正確な診断を可能にする未来が近づいています。