基于加速深度卷积神经网络的精确肿瘤组织区域检测
计算机视觉与模式识别
2020-04-21 v1
摘要
用于癌症诊断的病理切片人工标注工作繁琐且重复性高。因此，大量努力致力于开发计算机视觉解决方案。我们的方法（FLASH）基于深度卷积神经网络（DCNN）架构。它降低了计算成本，并且比典型的深度学习方法快两个数量级，使得高通量处理成为可能。在使用深度学习方法的计算机视觉方法中，输入图像被细分为多个图像块，这些图像块分别通过神经网络。从这些块中提取的特征被分类器用于标注相应区域。我们的方法在将所有提取的特征传递给分类器之前，将其聚合到一个单一的矩阵中。此前，特征是从重叠的块中提取的。聚合特征消除了处理重叠块的需要，从而减少了所需的计算量。DCNN 和 FLASH 展示了高灵敏度（约 0.96）、良好的精确度（约 0.78）和高 F1 分数（约 0.84）。FLASH 和 DCNN 处理每个样本的平均时间分别为 96.6 秒和 9489.20 秒。我们的方法比原始 DCNN 方法快约 100 倍，同时保持了高准确度和精确度。
引用
@article{arxiv.2004.08552,
title = {Accurate Tumor Tissue Region Detection with Accelerated Deep Convolutional Neural Networks},
author = {Gabriel Tjio and Xulei Yang and Jia Mei Hong and Sum Thai Wong and Vanessa Ding and Andre Choo and Yi Su},
journal= {arXiv preprint arXiv:2004.08552},
year = {2020}
}
备注
9 pages, 6 figures, 3 tables