用于结直肠癌组织学图像分级的上下文感知卷积神经网络
图像与视频处理
2019-07-24 v1 机器学习
机器学习
摘要
数字组织学图像因其包含的庞大像素数据量，适于应用卷积神经网络（CNN）进行分析。受制于计算与内存限制，CNN通常从数字组织学图像中提取小图像块（如224x224）以进行表示学习。然而，该方法未纳入组织学图像中的高分辨率上下文信息。我们提出一种基于尺寸为1,792x1,792像素图像的上下文感知神经网络，以新颖方式纳入更大上下文。所提框架首先将组织学图像的局部表示编码为高维特征，继而通过考虑其特征的空间排布进行聚合以作出最终预测。所提方法在结直肠癌分级与乳腺癌分类上进行了评估。文中给出了对所提方法若干变体的综合分析。我们的方法在量化上以3.61%的优势超越了传统的基于图像块方法、问题特定方法及现有基于上下文的方法。代码与数据集相关信息见链接：https://tia-lab.github.io/Context-Aware-CNN
引用
@article{arxiv.1907.09478,
title = {Context-Aware Convolutional Neural Network for Grading of Colorectal Cancer Histology Images},
author = {Muhammad Shaban and Ruqayya Awan and Muhammad Moazam Fraz and Ayesha Azam and David Snead and Nasir M. Rajpoot},
journal= {arXiv preprint arXiv:1907.09478},
year = {2019}
}
备注
10 pages, 4 figures, Supplementary Document