Domain adaptation using curriculum learning.for biomedical image analysis

2022 Fiscal Year Final Research Report

• Project/Area Number: 21K19829
• 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): 2021-07-09 – 2023-03-31
• Keywords: 機械学習 / ドメイン適応 / 深層学習 / 弱教師学習 / 半教師学習

Outline of Final Research Achievements

In this research project, we developed methods to address the domain shift problem in bio-medical image analysis. For example, we proposed a curriculum-based approach for learning cell shapes in cell detection tasks, gradually expanding the domain. This method aimed to overcome the challenge of models trained on a specific dataset (source domain) not performing well on datasets captured under different conditions (target domain). As a result, many paper were accepted in a top journal and conferences, e.g., MedIA (IF: 13.828), MICCAI (h5-index: 78), ISBI2023 (h5-index: 55), and WACV2022 (h5-index: 76).

Free Research Field

コンピュータビジョン

Academic Significance and Societal Importance of the Research Achievements

バイオ医療画像解析分野において，ある特定のデータセットに対して教師データを作成さえすれば，実環境における異なるドメインにおいて新たに教師データの作成をすることなく，対象物体の認識が可能となることは究極の課題の一つである．さらに言えば，既に存在する教師ありの公開データを元に，多様な実環境のデータでの学習が教師なしで可能となれば，実利用のハードルが格段に下がり，多くの医学及び生物学の研究で活用されることが期待される．本研究課題は，この課題に取り組むものであり，大いに意義がある．