一种部分监督贝叶斯图像分类模型及其在乳腺癌前哨淋巴结转移诊断中的应用
应用统计
2017-12-29 v1
摘要
已开发一种方法用于分析由光谱扫描设备生成的前哨淋巴结图像。目的是将在乳腺癌手术中切除的淋巴结分类为正常或转移。一个淋巴结的数据构成 20*20 网格每个像素在 86 个波长上的光谱。在分析中，光谱被降维为两个因子的得分：一个由已知正常与转移组织手动采集光谱的线性判别分析外部导出，另一个由所研究淋巴结导出以捕获正交于外部因子的变异性。随后，使用多元 t 分布的三组混合模型（正常、转移、非淋巴结背景）对得分进行拟合，并利用外部数据指定三个分布参数的信息先验分布。马尔可夫随机场先验对模型生成的图像施加平滑性。最后，若平滑图像中任一像素被分类为转移，则该淋巴结被分类为转移。模型参数在一组训练淋巴结上调优，随后调优模型在独立验证集上测试，获得了满意的灵敏度与特异度。开发该分析的目的是在仍利用外部信息的同时，允许对每个淋巴结建模方式的灵活性。所采用的贝叶斯框架对此理想适用。
引用
@article{arxiv.1712.09853,
title = {A Partially Supervised Bayesian Image Classification Model with Applications in Diagnosis of Sentinel Lymph Node Metastases in Breast Cancer},
author = {Ying Zhu and Tom Fearn and D. Wayne Chicken and Martin R. Austwick and Santosh K. Somasundaram and Charles A. Mosse and Benjamin Clark and Irving J. Bigio and Mohammed R. S. Keshtgar and Stephen G. Bown},
journal= {arXiv preprint arXiv:1712.09853},
year = {2017}
}
备注
31 pages, 7 figures