基于分层条件随机场注意力机制的胃组织病理图像分类方法
计算机视觉与模式识别
2021-04-23 v2
摘要
胃组织病理图像分类（GHIC）任务通常属于弱监督学习，图像中不可避免地存在冗余信息。因此，设计能够聚焦于有效区分特征的网络已成为热门研究方向。本文为优异地完成GHIC任务并辅助病理医生临床诊断，提出了一种智能的分层条件随机场注意力机制（HCRF-AM）模型。HCRF-AM模型由注意力机制（AM）模块与图像分类（IC）模块组成。在AM模块中，构建HCRF模型以提取注意力区域；在IC模块中，利用所选注意力区域训练卷积神经网络（CNN）模型，并采用一种称为基于分类概率的集成学习算法，由CNN的块级输出得到图像级结果。实验中，在包含700张图像的胃组织病理数据集上取得了96.67%的分类特异度。我们的HCRF-AM模型展现出优异的分类性能，并证明了其在GHIC领域的有效性与未来潜力。
引用
@article{arxiv.2102.10499,
title = {A Hierarchical Conditional Random Field-based Attention Mechanism Approach for Gastric Histopathology Image Classification},
author = {Yixin Li and Xinran Wu and Chen Li and Changhao Sun and Md Rahaman and Haoyuan Chen and Yudong Yao and Xiaoyan Li and Yong Zhang and Tao Jiang},
journal= {arXiv preprint arXiv:2102.10499},
year = {2021}
}