使用卷积神经网络（CNN）对肺癌组织病理学图像进行分类
图像与视频处理
2021-12-28 v1 计算机视觉与模式识别
摘要
癌症是人体内部异常细胞不受控制的细胞分裂，可扩散至其他器官。它属于非传染性疾病（NCDs），而非传染性疾病占全球总死亡数的 71%，其中肺癌是仅次于女性乳腺癌的第二大常见癌症。肺癌的癌症存活率仅 19%。肺癌的诊断方法有 X 射线、CT 扫描、PET-CT 扫描、支气管镜检查和活检等多种。然而，基于组织类型了解肺癌亚型广泛采用 H 与 E 染色，即对活检抽取的组织进行染色。研究报道，组织学类型与肺癌的预后和治疗相关。因此，早期且准确地检测肺癌组织学十分迫切，且由于其治疗依赖于组织学类型、分子谱与疾病分期，分析肺癌组织病理学图像最为关键。为此，为加速肺癌诊断这一重要过程并减轻病理医生的负担，使用了深度学习技术。这些技术在癌症组织病理学切片分析中已展现出改善的效能。若干研究报道了卷积神经网络（CNN）在脑、皮肤、乳腺、肺、结直肠癌等多类癌症组织病理学图像分类中的重要性。本研究中，使用 ResNet 50、VGG-19、Inception_ResNet_V2 与 DenseNet 进行特征提取，并以三元组损失（triplet loss）引导 CNN 以增大簇间距离、减小簇内距离，对肺癌图像（正常、腺癌与鳞状细胞癌）进行三分类。
引用
@article{arxiv.2112.13553,
title = {Classification of Histopathology Images of Lung Cancer Using Convolutional Neural Network (CNN)},
author = {Neha Baranwal and Preethi Doravari and Renu Kachhoria},
journal= {arXiv preprint arXiv:2112.13553},
year = {2021}
}