一种用于组织病理学图像分割与分类的数据高效深度学习框架
图像与视频处理
2022-10-25 v5 计算机视觉与模式识别
机器学习
摘要
当前对组织病理学图像中炎症细胞结构的研究通常用于诊断和研究目的，但排除了活检切片上可用的许多信息。在自身免疫疾病中，关于哪些细胞类型参与组织水平的炎症以及它们如何相互作用，仍存在主要未解决的研究问题。虽然传统方法可部分回答这些问题，但用于分割与分类的人工智能方法为理解自身免疫疾病中炎症结构提供了更高效的方法，对获得新见解极具前景。本文经验性地开发了使用人类组织皮肌炎活检样本的深度学习方法来检测和识别炎症细胞。我们的方法将分类性能提升 26%，分割性能提升 5%。我们还提出了一种新颖的后处理自编码器架构，将分割性能额外提升 3%。
引用
@article{arxiv.2207.06489,
title = {A Data-Efficient Deep Learning Framework for Segmentation and Classification of Histopathology Images},
author = {Pranav Singh and Jacopo Cirrone},
journal= {arXiv preprint arXiv:2207.06489},
year = {2022}
}
备注
Originally published at the ECCV 2022 Medical Computer Vision Workshop (ECCV-MCV 2022)