基于码本描述符的人上皮 2 型细胞间接免疫荧光图像分类
细胞行为
2013-04-05 v1 计算机视觉与模式识别
定量方法
摘要
抗核抗体 (ANA) 临床病理检测常用于识别多种疾病的存在。由于具有高灵敏度和可检测的抗原范围广，在人上皮 (HEp-2) 细胞上进行间接免疫荧光检测是识别 ANA 存在的标志性方法。然而，该方法存在诸多缺点，如主观性强以及耗时耗力。计算机辅助诊断 (CAD) 系统已被开发用于解决这些问题，能够自动将 HEp-2 细胞图像分类为已知模式之一（例如，斑点型、均质型）。大多数现有的 CAD 系统使用手工选取的特征来表示 HEp-2 细胞图像，这可能仅在有限场景下有效。在本文中，我们提出了一种细胞分类系统，该系统由基于双区域码本的描述符与最近凸包分类器 (Nearest Convex Hull Classifier) 组合而成。我们在两个公开数据集上评估了该描述符几种变体的性能：ICPR HEp-2 细胞分类竞赛数据集和新的 SNPHEp-2 数据集。据我们所知，这是首次在该领域应用和研究基于码本的描述符。实验表明，所提出的系统具有一致的高性能，且比两种最近的 CAD 系统更具鲁棒性。
引用
@article{arxiv.1304.1262,
title = {Classification of Human Epithelial Type 2 Cell Indirect Immunofluoresence Images via Codebook Based Descriptors},
author = {Arnold Wiliem and Yongkang Wong and Conrad Sanderson and Peter Hobson and Shaokang Chen and Brian C. Lovell},
journal= {arXiv preprint arXiv:1304.1262},
year = {2013}
}