基于卷积神经网络的病例式组织病理恶性诊断
计算机视觉与模式识别
2019-05-29 v1 图像与视频处理
摘要
在实践中，肿瘤恶性的组织病理诊断常需人类专家在多个放大倍率下浏览组织病理图像，之后才能准确确定最终诊断。然而，先前使用卷积神经网络进行此类分类任务的研究主要在单一放大倍率下确定诊断。本文中，我们提出一种使用深度残差神经网络的病例式方法用于组织病理恶性诊断，其中一例（case）定义为来自患者在所有可用放大倍率下的图像序列。通过有效模仿人类专家的实际操作，我们的方法基于多放大倍率下组合学习的特征做出诊断决策。我们的结果显示，在乳腺肿瘤组织病理图像数据集 BreaKHis 上评估时，该病例式方法优于最先进的方法。
引用
@article{arxiv.1905.11567,
title = {Case-Based Histopathological Malignancy Diagnosis using Convolutional Neural Networks},
author = {Qicheng Lao and Thomas Fevens},
journal= {arXiv preprint arXiv:1905.11567},
year = {2019}
}