少数ショットのハイパースペクトル医用画像分類のためのマルチドメイン適応型距離学習ベースのプロトタイプネットワーク

科学分野:

• 医用画像処理
• 機械学習
• 生物医学工学

背景:

• ハイパースペクトルイメージング（HSI）は、スペクトルシグネチャを分析することにより、医療診断の可能性を提供します。
• 課題には、トレーニング用のラベル付きデータが限られていることや、データセット間のドメインシフトがあり、一般化を妨げています。

研究 の 目的:

• 少数ショットハイパースペクトル医用画像分類のための新しい距離学習ベースのプロトタイプネットワークを開発すること。
• 臨床HSI分析におけるデータ不足とドメインシフトの問題に対処すること。

主な方法:

• プロトタイプネットワーク内にクラス共分散を認識するマハラノビス距離を提案し、類似性尺度を適応させました。
• スペクトル空間表現とドメイン固有の特徴の動的な融合のためのドメイン認識アダプターブロックを導入しました。
• 皮膚ダーモスコピー、胆管、および生体脳HSIデータセットで検証しました。

主要な成果:

• 新しい手法は、ラベル不足の下でプロトタイプの堅牢性を強化しました。
• 既存の少数ショットネットワークと比較して、誤分類を大幅に減らしました。
• 3つの異なる医療HSIデータセット全体で優れたパフォーマンスを達成しました。

結論:

• 提案された手法は、医療HSI分類におけるラベル不足とドメインシフトの制限を効果的に克服します。
• 臨床ワークフローと生物医学研究における一般化可能なHSIソリューションへの道を開きます。
• HSIを使用した正確な疾患検出のための高度な機械学習の可能性を強調しています。