基于跨色域特征融合与量子-经典堆叠方法的乳腺癌组织片图像分类
计算机视觉与模式识别
2024-04-04 v1 人工智能
摘要
乳腺癌分类是确保及时诊断和有效治疗的关键支柱。本研究通过组织片图像凸显了利用色域融合和量子-经典堆叠协同能力的重要性，以提升乳腺癌分类精度。作者深入探讨了 RGB、HSV 和 CIE L*u*v 三个不同色域，指导其进行综合性研究。采用 DenseNet121 架构进行特征提取，作者充分利用了随机森林、SVM、QSVC 和 VQC 分类器的鲁棒性。该研究包含一种独特的色域集成中的特征融合技术。这一方法不仅加深了我们对乳腺癌分类的理解，还标志着针对特殊需求学生的教学实践的里程碑。通过将量子与经典分类器通过堆叠融合，有效缓解了单个分类器的固有限制，为更可靠和精细的乳腺癌识别铺平了坚实道路。通过严格的实验和细致的分析，RGB 与 HSV 以及 RGB 与 CIE L*u*v 色域的融合呈现出接近统一值的分类准确率。这凸显了本方法的变革性潜力，其中多样化色域的融合与量子与经典领域的协同作用汇聚，为医学诊断确立了新的视野。因此，本研究的意义延伸至医学领域，为提高诊断精度和治疗效果开输了有前景的道路。
引用
@article{arxiv.2404.02447,
title = {A Novel Approach to Breast Cancer Histopathological Image Classification Using Cross-Colour Space Feature Fusion and Quantum-Classical Stack Ensemble Method},
author = {Sambit Mallick and Snigdha Paul and Anindya Sen},
journal= {arXiv preprint arXiv:2404.02447},
year = {2024}
}