基于组织学图像的结直肠癌诊断：一项比较研究
计算机视觉与模式识别
2019-03-29 v2 机器学习
图像与视频处理
摘要
近年来，随着基于机器学习方法的发展，基于组织病理学图像的计算机辅助诊断（CAD）取得了快速进展。传统方法利用基于纹理或形态学性质从图像中提取的特征来训练分类模型。近来，基于深度学习的方法已直接应用于原始（未处理）数据。然而，生物医学领域标注数据的匮乏影响了其实用性。为了在有限标注数据的条件下利用深度卷积神经网络（CNN）的学习能力，本研究将探讨迁移学习方法，该类方法旨在将解决源（如非医学）问题所获得的知识应用于学习更好的目标（如生物医学）任务预测模型。作为替代方案，我们进一步提出一种新颖的自适应紧凑型基于 CNN 的架构，其即便在稀缺且低分辨率的数据上也可从头训练。此外，针对从稀缺低分辨率组织学图像中进行癌症检测与识别这一特定任务，我们对传统方法、基于迁移学习的方法与所提自适应方法进行了定量比较评估。在为此目的最大基准数据集上，所提自适应方法以显著差距取得了更高的癌症检测准确率，而带迁移学习的深度 CNN 取得了更优的癌症识别率。
引用
@article{arxiv.1903.11210,
title = {Colorectal cancer diagnosis from histology images: A comparative study},
author = {Junaid Malik and Serkan Kiranyaz and Suchitra Kunhoth and Turker Ince and Somaya Al-Maadeed and Ridha Hamila and Moncef Gabbouj},
journal= {arXiv preprint arXiv:1903.11210},
year = {2019}
}