面向胃癌组织病理图像分类的最佳图像描述子比较分析
图像与视频处理
2025-03-24 v1 计算机视觉与模式识别
摘要
胃癌全球位列第五大发病率和第四大死亡率疾病, 5年生存率约为20%。尽管其病理生物学已有大量研究, 但预后可预测性仍不足, 且病理学家的高工作量和潜在诊断错误也导致问题。因此, 自动化、准确的组织病理诊断工具至关重要。 本研究采用机器学习和深度学习技术将组织病理图像分类为健康和癌症类别。 使用在GasHisSDB数据集上进行的手工特征和深度特征配合浅层学习分类器, 我们提供了一种综合分析, 并揭示了在不使用微调策略的情况下, 区分正常和异常组织病理图像最稳健和最高性能的特征和分类器组合。通过RF分类器, 我们的方法可达到93.4%的F1分数, 证明了其有效性。
引用
@article{arxiv.2503.17105,
title = {A Comparative Analysis of Image Descriptors for Histopathological Classification of Gastric Cancer},
author = {Marco Usai and Andrea Loddo and Alessandra Perniciano and Maurizio Atzori and Cecilia Di Ruberto},
journal= {arXiv preprint arXiv:2503.17105},
year = {2025}
}