比较 LBP、HOG 与深度特征用于组织病理学图像分类
图像与视频处理
2018-05-16 v1
摘要
近年来，医学图像分析已成为备受关注的话题。在医学图像研究中，机器学习的应用取得了显著进展。然而，仍有大量问题与难题分别等待解答与解决。本研究使用局部二值模式、方向梯度直方图以及预训练深度网络提取的特征，对三种分类模型进行了比较。使用三种常见的图像分类方法，包括支持向量机、决策树和人工神经网络，对不同特征提取器获得的特征向量进行分类。我们使用 KIMIA Path960（一个包含从 次不同组织扫描中提取的 张组织病理学图像的公开数据集）来测试本研究中所用分类与特征提取模型的准确率，特别是针对组织病理学图像的准确率。SVM 使用局部二值模式作为特征获得了 的最高准确率，超过了深度特征获得的 的准确率。
引用
@article{arxiv.1805.05837,
title = {Comparing LBP, HOG and Deep Features for Classification of Histopathology Images},
author = {Taha J. Alhindi and Shivam Kalra and Ka Hin Ng and Anika Afrin and Hamid R. Tizhoosh},
journal= {arXiv preprint arXiv:1805.05837},
year = {2018}
}
备注
Accepted for publication in proceedings of the IEEE World Congress on Computational Intelligence (IEEE WCCI), Rio de Janeiro, Brazil, 8-3 July, 2018