298357記事公開中

トレンドワード
  2. AIベンチマークリサーチ
  3. 論文研究
  4. ラベルフリー概念ベースのマルチインスタンス学習によるギガピクセル病理画像解析（Label-free Concept Based Multiple Instance Learning for Gigapixel Histopathology）
3 分で読了
0 views

ラベルフリー概念ベースのマルチインスタンス学習によるギガピクセル病理画像解析

（Label-free Concept Based Multiple Instance Learning for Gigapixel Histopathology）

さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか？

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として
一目置かれる存在に！

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか？

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、
あなたも生成AIマスター！

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題！誰1人置いていかずに寄り添います。

詳細を見る

田中専務

拓海先生、お時間いただきありがとうございます。うちの若手が「病理診断で使える新しいAIモデルが出た」と言うのですが、正直何をどう評価すればいいのか分かりません。

AIメンター拓海

素晴らしい着眼点ですね！大丈夫ですよ。今日は「概念ベースで説明できる病理画像向けのMILモデル」について、経営判断に役立つポイントだけを分かりやすく解説できますよ。

田中専務

まず基本から聞きたいのですが、そもそもMILとかWSIとか、経営側が押さえるべき要点は何ですか。投資対効果の観点で教えてください。

AIメンター拓海

素晴らしい着眼点ですね！簡潔に言うと、Multiple Instance Learning (MIL) マルチインスタンスラーニングはスライド全体のラベルだけで学ぶ手法で、Whole-Slide Image (WSI) 全スライド画像は非常に大きな画像です。投資対効果では、注釈（ラベル）を細かく付けるコストを下げられる点が重要です。

田中専務

なるほど、注釈コストが下がるのはありがたい。ただし現場の医師が使いたがるか、説明が担保されるかが肝だと聞いています。従来は領域のヒートマップで示していたと思うのですが、それとは何が違うのですか。

AIメンター拓海

素晴らしい着眼点ですね！従来の空間的ヒートマップは「どの場所が重要か」を示すが、医師が知りたいのは「なぜ重要か」、つまり病理学的な概念での説明である。今回の論文はヒートマップではなく、人間が理解する

監修者

阪上雅昭（SAKAGAMI Masa-aki）
京都大学　人間・環境学研究科　名誉教授

論文研究シリーズ
前の記事
オフラインからオンラインへ：確率的バンディットにおけるハイパーパラメータ転移
（Offline-to-online hyperparameter transfer for stochastic bandits）
次の記事
3Dセマンティックセグメンテーション精度を高めるデータ混合戦略
（The 2nd Place Solution from the 3D Semantic Segmentation Track in the 2024 Waymo Open Dataset Challenge）
関連記事
共有表現を持つ分散マルチタスク学習
（Distributed Multi-Task Learning with Shared Representation）
GDNSQ: 漸進的微分可能ノイズスケール量子化
（GDNSQ: Gradual Differentiable Noise Scale Quantization for Low-bit Neural Networks）
表面吸着分子位置の高速探索を可能にする能動学習付き機械学習対間ポテンシャル
（Accelerating global search of adsorbate molecule position using machine-learning interatomic potentials with active learning）
自己適応型重み付き補助変数を用いた深層学習の最適化
（Deep Learning Optimization Using Self-Adaptive Weighted Auxiliary Variables）
予測不確実性に配慮した経路計画
（Prediction uncertainty-aware planning using deep ensembles and constrained trajectory optimisation）
空間依存保存則とハミルトン–ヤコビ方程式における初期データ同定
（Initial Data Identification in Space Dependent Conservation Laws and Hamilton-Jacobi Equations）
この記事をシェア

有益な情報を同僚や仲間と共有しませんか？

AI技術革新 - 人気記事
ブラックホールと量子機械学習の対応
（Black hole/quantum machine learning correspondence）
  • 論文研究
生成AI検索における敏感なユーザークエリの分類と分析
（Taxonomy and Analysis of Sensitive User Queries in Generative AI Search System）
  • 論文研究
DiReDi：AIoTアプリケーションのための蒸留と逆蒸留
（DiReDi: Distillation and Reverse Distillation for AIoT Applications）
  • 論文研究

PCも苦手だった私が

“AIに詳しい人“
として一目置かれる存在に！
  • AIBRプレミアム
  • 実践型生成AI活用キャンプ
あなたにオススメのカテゴリ
論文研究
最新記事
サイクルGANによるブラインド動きブレ除去
（Blind Motion Deblurring with Cycle Generative Adversarial Networks）
  • 論文研究
シリコンの高精度・移植性を備えた機械学習原子間ポテンシャル
（An Accurate and Transferable Machine-Learning Interatomic Potential for Silicon）
  • 論文研究
圧縮センシングを機械学習で解く構造健全性モニタリング
（COMPRESSIVE-SENSING DATA RECONSTRUCTION FOR STRUCTURAL HEALTH MONITORING: A MACHINE-LEARNING APPROACH）
  • 論文研究
反復制御ネットワークによる中央パターン生成
（Recurrent Control Nets as Central Pattern Generators for Deep Reinforcement Learning）
  • 論文研究
非凸行列回復におけるスパリュアス局所最小解の不存在に関するシャープRIP境界
（Sharp Restricted Isometry Bounds for the Inexistence of Spurious Local Minima in Nonconvex Matrix Recovery）
  • 論文研究
ロバストなブラインドデコンボリューションの複合最適化
（Composite optimization for robust blind deconvolution）
  • 論文研究
さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか？

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として一目置かれる存在に！

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか？

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、あなたも生成AIマスター！

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題！誰1人置いていかずに寄り添います。

詳細を見る

AI Benchmark Researchをもっと見る

今すぐ購読し、続きを読んで、すべてのアーカイブにアクセスしましょう。

続きを読む