利用卷积特征与支持向量机分类肾小球细胞过多症
图像与视频处理
2019-07-02 v1 计算机视觉与模式识别
摘要
肾小球是肾皮质由交织毛细血管构成的组织学结构，负责血液过滤。肾小球病变损害肾过滤能力，导致蛋白丢失与代谢废物滞留。一种病变例子是肾小球细胞过多症，其特征是肾小球不同区域细胞核数量增加。肾小球细胞过多症是多种肾脏疾病中常见的病变。自动检测肾小球细胞过多症将加速扫描组织学切片对该病变的筛查，提升临床诊断。鉴于此，我们提出一种用于人肾图像中细胞过多症分类的新方法。我们提出的方法引入了卷积神经网络(CNN)与支持向量机的新颖架构，在 FIOCRUZ 数据集上以二分类（病变或正常）取得近乎完美的平均结果。我们基于深度学习的分类器在同一数据集上优于 SOTA 结果。此外，还进行了细胞过多症亚病变的分类，考虑系膜、毛细血管内及两者兼有的病变；在此多分类任务中，我们提出的方法仅失败 4\%。据我们所知，这是首个在人肾小球细胞过多症图像数据集上关于深度学习的研究。
引用
@article{arxiv.1907.00028,
title = {Classification of glomerular hypercellularity using convolutional features and support vector machine},
author = {Paulo Chagas and Luiz Souza and Ikaro Araújo and Nayze Aldeman and Angelo Duarte and Michele Angelo and Washington LC dos-Santos and Luciano Oliveira},
journal= {arXiv preprint arXiv:1907.00028},
year = {2019}
}
备注
26 pages