肾脏病理中细粒度肾小球病变的自动识别
图像与视频处理
2022-03-14 v1 人工智能
计算机视觉与模式识别
摘要
肾小球病变的识别是肾脏病理诊断和治疗规划的关键;然而,系膜区等共存肾小球结构加剧了该任务的难度。本文引入一种从全切片图像中识别细粒度肾小球病变的方案。首先,提出聚焦实例结构相似性损失以驱动模型精确 locating 所有类型肾小球。然后设计不确定性辅助分配网络,在无边界框标注情况下执行细粒度视觉分类。该双分支结构从父类提取子类的共同特征,并生成用于重构训练数据集的不确定性因子。切片级评估结果说明了整个方案的有效性,与显著检测方法相比平均平均精度提升 8-22%。综合结果清晰展示了所提方法的有效性。
引用
@article{arxiv.2203.05847,
title = {Automatic Fine-grained Glomerular Lesion Recognition in Kidney Pathology},
author = {Yang Nan and Fengyi Li and Peng Tang and Guyue Zhang and Caihong Zeng and Guotong Xie and Zhihong Liu and Guang Yang},
journal= {arXiv preprint arXiv:2203.05847},
year = {2022}
}
备注
33 pages, 6 figures, accepted by the Pattern Recognition journal