一种基于卷积神经网络的自动化辅助宫颈癌阅片新方法
计算机视觉与模式识别
2019-12-17 v1
摘要
尽管大多数先前的自动化辅助阅片方法能提高效率，但其性能常依赖于准确的细胞分割与手工特征提取的成功。本文提出一种高效且完全无需分割的自动化宫颈细胞筛查方法，利用现代目标检测器直接检测宫颈细胞或细胞团，无需设计特定的手工特征。具体而言，我们使用最先进的基于 CNN 的目标检测方法 YOLOv3 作为基线模型。为提升四个高度相似类别的困难样本的分类性能，我们级联了一个额外的任务专用分类器。我们还研究了不可靠标注的存在，并通过平滑噪声标签分布来应对。我们在由 1,014 张尺寸为 4000*3000 且对应 10 个类别的复杂细胞状况的标注宫颈细胞图像组成的测试集上全面评估了我们的方法。我们的模型在宫颈细胞图像级筛查上达到 97.5% 灵敏度（Sens）和 67.8% 特异度（Spec）。此外，我们在宫颈细胞级诊断上获得 63.4% 的平均精度均值（mAP），并提升了困难样本（有价值但难以区分）的平均精度（AP）。我们的自动化辅助宫颈细胞阅片方法不仅实现宫颈细胞图像级分类，还提供更详细的异常细胞位置与类别信息。结果表明我们的方法具有可行性能，兼具效率与鲁棒性，为临床宫颈筛查中计算机辅助阅片系统的未来发展提供新思路。
引用
@article{arxiv.1912.06649,
title = {A Novel Automation-Assisted Cervical Cancer Reading Method Based on Convolutional Neural Network},
author = {Yao Xiang and Wanxin Sun and Changli Pan and Meng Yan and Zhihua Yin and Yixiong Liang},
journal= {arXiv preprint arXiv:1912.06649},
year = {2019}
}