Biomedical image analysis by positive and unlabeled learning

2020 Fiscal Year Final Research Report

• Project/Area Number: 19K22895
• Research Category: Grant-in-Aid for Challenging Research (Exploratory)
• Allocation Type: Multi-year Fund
• Review Section: Medium-sized Section 62:Applied informatics and related fields
• Research Institution: Kyushu University
• Principal Investigator: Bise Ryoma 九州大学, システム情報科学研究院, 准教授 (00644270)
• Project Period (FY): 2019-06-28 – 2021-03-31
• Keywords: 機械学習 / バイオイメージインフォマティクス / 弱教師あり学習 / 教師なし学習

Outline of Final Research Achievements

In this research, we developed a method that can significantly reduce the annotation in biomedical image analysis by using positive and unlabeled learning, in which our method automatically selects the positive samples using prior knowledge. We also applied this method to several applications such as pathological image analysis and photoacoustic image analysis. As a result, we have published 3 peer-reviewed papers (2 of them were accepted in a top conference in medical image analysis; MICCAI), 2 submissions, 5 conference presentations, 1 book chapter writing.

Free Research Field

画像情報学

Academic Significance and Societal Importance of the Research Achievements

バイオ医療画像解析分野における認識課題は，疾病の種類や研究目的により様々であること，教師データ作成には専門的な知識が必要であることから，大量の教師あり学習データを作成することが困難である．そこで，本研究では，対象構造事前知識を用いることで，一部の正例を自動抽出し，その他の候補物体をUnlabeledデータとして扱うことで，PU-Learningを適用可能した．これにより，機械学習に必要な学習データを自動抽出し，アノテーション作業を省力化することが可能となる．光超音波画像や病理画像解析といった複数のタスクに応用し，様々な課題へ展開できることを示した．