一种用于睾丸组织学图像分类的新型深度学习架构
计算机视觉与模式识别
2017-07-20 v1
摘要
与其他组织学分析不同，睾丸组织学中小管状态的分类因其纹理和形状的高度相似性而极具挑战性。传统深度学习网络难以捕捉不同小管类别间的细微差异。本文提出一种用于特征学习、图像分类与图像重建的新型深度学习架构。它基于堆叠自编码器并增加一个称为超层（hyperlayer）的额外层，该层旨在捕获网络不同层处图像的特征。这一添加有效地结合了不同尺度的特征，从而为进一步分类提供更完整的轮廓。在一组10,542个小管图像块上进行了评估。我们在数据集的两个不同子集上通过两个实验演示了该方法。结果表明，从我们架构学到的特征达到了超过98%的准确率，并且相较传统深度网络架构有所提升。
引用
@article{arxiv.1707.05809,
title = {A Novel Deep Learning Architecture for Testis Histology Image Classification},
author = {Chia-Yu Kao and Leonard McMillan},
journal= {arXiv preprint arXiv:1707.05809},
year = {2017}
}