面向计算病理学的四叉树图像表示
计算机视觉与模式识别
2021-08-25 v1 机器学习
摘要
计算病理学领域因其病理图像尺寸巨大，给计算机视觉算法带来了诸多挑战。组织病理学图像尺寸庞大，需要分割成图像瓦片或图块，以便现代卷积神经网络（CNN）进行处理。在本工作中，我们提出了一种利用四叉树生成可解释的计算病理学图像表示的方法，以及一个利用这些表示进行高精度下游分类的流程。据我们所知，这是首次尝试将四叉树用于病理图像数据。我们证明该方法具有高精度，能够取得与当前广泛采用的组织掩膜图块提取方法同样好的结果，同时使用的数据量减少超过38%。
引用
@article{arxiv.2108.10873,
title = {A QuadTree Image Representation for Computational Pathology},
author = {Rob Jewsbury and Abhir Bhalerao and Nasir Rajpoot},
journal= {arXiv preprint arXiv:2108.10873},
year = {2021}
}
备注
11 pages, 5 figures, accepted to CDPath ICCV 2021