QuPaS：量子力場ファインチューニングと敵対的推定によるSAMベースの半教師あり組織病理画像セグメンテーション

科学分野:

• デジタル病理学
• 医療画像解析
• 計算生物学

背景:

• 半教師ありセグメンテーション（S³）は、組織病理画像分析にとって重要です。
• S³モデルのラベルなしデータからの学習を改善することは、重要な課題です。
• セグメントAnythingモデル（SAM）は有望ですが、複雑な組織病理画像構造には苦労しています。

主な方法:

• 量子力場（QFF）ファインチューニングと敵対的推定（AE）を統合したQuPaSフレームワークを提案しました。
• QFFは分子間力をシミュレートして、空間構造のピクセルレベルの特徴理解を洗練します。
• AEは、信頼度分布を出力全体で整合させ、意味的特徴の干渉を低減します。

結論:

• QuPaSフレームワークは、組織病理画像の半教師ありセグメンテーションを効果的に強化します。
• QFFとAEの統合は、SAMの限界に対処し、構造関係の捉え方を改善します。
• QuPaSは、医療画像セグメンテーションのための堅牢で汎用性の高いソリューションを提供します。