用于宫颈细胞学分类的 Inception 网络投票-堆叠集成
计算机视觉与模式识别
2023-08-09 v2 网络与互联网体系结构
摘要
宫颈癌是威胁女性健康最严重的疾病之一。早期检测与诊断可显著降低癌症风险，其中宫颈细胞学分类不可或缺。研究者近期设计了许多用于自动化宫颈癌诊断的网络，但这些单一模型有限的准确率与庞大的规模无法满足实际应用需求。为解决此问题，我们提出一种投票-堆叠(Voting-Stacking)集成策略，其采用三个 Inception 网络作为基学习器，并通过投票集成整合它们的输出。被集成模型误分类的样本生成新的训练集，在其上训练线性分类模型作为元学习器并执行最终预测。此外，设计了多级 Stacking 集成框架以进一步提升性能。该方法在 SIPakMed、Herlev 和 Mendeley 数据集上评估，分别取得 100%、100% 和 100% 的准确率。实验结果优于当前最先进(SOTA)方法，展示了其减轻筛查工作负担并辅助病理学家检测宫颈癌的潜力。
引用
@article{arxiv.2308.02781,
title = {A Voting-Stacking Ensemble of Inception Networks for Cervical Cytology Classification},
author = {Linyi Qian and Qian Huang and Yulin Chen and Junzhou Chen},
journal= {arXiv preprint arXiv:2308.02781},
year = {2023}
}