一种用于皮肤反射共聚焦显微镜图像联合重建与分类的无监督贝叶斯方法
机器学习
2017-03-07 v1
摘要
本文研究了一种新的贝叶斯算法，用于反射共聚焦显微镜（RCM）图像的联合重建与分类，并应用于人体皮肤雀斑样痣的识别。所提出的贝叶斯方法利用了影响这些图像真实反射率的乘性散斑噪声的分布，以及未知模型参数的适当先验。提出了一种马尔可夫链蒙特卡洛（MCMC）算法，在对图像按其反射率分布进行分类的同时，联合估计模型参数和真实反射率图像。具体而言，研究了一种 Metropolis-within-Gibbs 采样器，用于对与 RCM 图像相关的贝叶斯模型的后验分布进行采样，并构建其参数的估计量，包括指示每幅 RCM 图像类别的标签。所得算法被应用于合成数据以及来自包含健康者和雀斑样痣患者临床研究的真实图像。
引用
@article{arxiv.1703.01444,
title = {An unsupervised bayesian approach for the joint reconstruction and classification of cutaneous reflectance confocal microscopy images},
author = {Abdelghafour Halimi and Hadj Batatia and Jimmy Le Digabel and Gwendal Josse and Jean-Yves Tourneret},
journal= {arXiv preprint arXiv:1703.01444},
year = {2017}
}
备注
23 pages, 8 figures