动物计算机辅助细胞学诊断：基于CNN的图像质量评估以实现精准疾病分类
计算机视觉与模式识别
2023-08-14 v1
摘要
本文提出一种为动物设计的计算机辅助细胞学诊断系统，聚焦于使用卷积神经网络(CNN)的图像质量评估(IQA)。该系统的构建模块经过定制以无缝集成IQA，确保疾病分类的可靠性能。我们广泛研究CNN处理各种图像变化与场景的能力，分析其对检测低质量输入数据的影响。此外，评估了该网络区分有效细胞样本与含伪影样本的能力。我们的研究采用ResNet18网络架构，并探究输入尺寸与裁剪策略对模型性能的影响。本研究阐明了基于CNN的IQA在动物计算机辅助细胞学诊断中的重要意义，提升了疾病分类的准确性。
引用
@article{arxiv.2308.06055,
title = {Computer-Aided Cytology Diagnosis in Animals: CNN-Based Image Quality Assessment for Accurate Disease Classification},
author = {Jan Krupiński and Maciej Wielgosz and Szymon Mazurek and Krystian Strzałka and Paweł Russek and Jakub Caputa and Daria Łukasik and Jakub Grzeszczyk and Michał Karwatowski and Rafał Fraczek and Ernest Jamro and Marcin Pietroń and Sebastian Koryciak and Agnieszka Dąbrowska-Boruch and Kazimierz Wiatr},
journal= {arXiv preprint arXiv:2308.06055},
year = {2023}
}