利用肠神经系统图像自动识别慢性退行性疾病
计算机视觉与模式识别
2020-11-03 v1 人工智能
机器学习
摘要
近期对肠神经系统(Enteric Nervous System)的研究表明,慢性退行性疾病会影响肠神经胶质细胞(EGC),因此开发能够识别 EGC 是否受此类疾病影响的识别方法,可能有助于其诊断。本文中,我们提出使用模式识别与机器学习技术来评估给定动物 EGC 图像是取自健康个体还是受慢性退行性疾病影响的个体。在所提方法中,我们使用手工特征与基于深度学习的非手工特征技术执行分类任务。手工特征通过纹理描述符(如局部二值模式(LBP))从 EGC 图像的纹理内容中获取。此外,方法中采用的表示学习技术基于不同卷积神经网络(CNN)架构(如 AlexNet 和 VGG16),包含或不包含迁移学习。手工与非手工特征间的互补性也通过晚期融合技术进行了评估。实验中使用的 EGC 图像数据集(亦是本文贡献)由三种不同慢性退行性疾病组成:癌症、糖尿病 mellitus 和类风湿关节炎。经统计分析支持的实验结果表明,所提方法能以 89.30%(类风湿关节炎)、98.45%(癌症)和 95.13%(糖尿病 mellitus)的识别率区分健康与患病细胞,该结果由两种特征场景下所得分类器组合实现。
引用
@article{arxiv.2011.00160,
title = {Automatic Chronic Degenerative Diseases Identification Using Enteric Nervous System Images},
author = {Gustavo Z. Felipe and Jacqueline N. Zanoni and Camila C. Sehaber-Sierakowski and Gleison D. P. Bossolani and Sara R. G. Souza and Franklin C. Flores and Luiz E. S. Oliveira and Rodolfo M. Pereira and Yandre M. G. Costa},
journal= {arXiv preprint arXiv:2011.00160},
year = {2020}
}