基于 CNN 的尿液有形成分自动识别
计算机视觉与模式识别
2020-01-20 v1
摘要
显微图像中尿液有形成分的分析可辅助医生评估肾脏与泌尿系统疾病患者。人工尿液沉渣检查费力、主观且耗时，而传统自动算法常提取手工特征进行识别。本文不使用手工特征，而是利用 CNN 以端到端方式学习特征来识别尿液有形成分。我们将尿液有形成分识别视为目标检测，并采用两种最先进的基于 CNN 的目标检测方法 Faster R-CNN 与 SSD 及其变体进行尿液有形成分识别。我们进一步考察了涉及这些基于 CNN 的目标检测方法用于尿液有形成分识别的不同因素。我们在一个包含 5,376 张标注图像的数据集上对这些方法进行了综合评估，对应 7 类尿液有形成分，即红细胞、白细胞、上皮细胞、结晶、管型、真菌、上皮细胞核，在 NVIDIA Titan X GPU 上每张图像仅耗时 72 ms 取得了 84.1% 的最佳 mAP（平均精度均值）。
引用
@article{arxiv.1803.02699,
title = {CNN-Based Automatic Urinary Particles Recognition},
author = {Rui Kang and Yixiong Liang and Chunyan Lian and Yuan Mao},
journal= {arXiv preprint arXiv:1803.02699},
year = {2020}
}
备注
The manuscript has been submitted to Journal of Medical Systems on Jul 02. 2017