基于导管实例导向流程的乳腺组织病理学图像分类
计算机视觉与模式识别
2020-12-14 v1 人工智能
摘要
在本研究中，我们提出导管实例导向流程（DIOP），其包含一个导管级实例分割模型、一个组织级语义分割模型，以及用于诊断分类的三级特征。基于实例分割和Mask R-CNN模型的最新进展，我们的导管级分割器试图在显微图像中识别每个导管个体；然后，它从识别出的导管实例中提取组织级信息。利用从这些导管实例以及组织病理学图像中获得的三级信息，所提出的DIOP在所有诊断任务中均优于先前的方法（基于特征和基于CNN的方法）；对于四分类任务，DIOP在该独特数据集中取得了与普通病理医生相当的性能。所提出的DIOP在推理时仅需运行几秒，可在大多数现代计算机上交互使用。未来需要更多的临床探索来研究该系统的鲁棒性和泛化能力。
引用
@article{arxiv.2012.06136,
title = {Classifying Breast Histopathology Images with a Ductal Instance-Oriented Pipeline},
author = {Beibin Li and Ezgi Mercan and Sachin Mehta and Stevan Knezevich and Corey W. Arnold and Donald L. Weaver and Joann G. Elmore and Linda G. Shapiro},
journal= {arXiv preprint arXiv:2012.06136},
year = {2020}
}
备注
ICPR 2020. Submitted July 15th, 2020