基于卷积神经网络的结直肠与前列腺肿瘤活检多光谱图像自动分类：系统开发研究
图像与视频处理
2023-01-31 v1 计算机视觉与模式识别
机器学习
摘要
结直肠癌和前列腺癌是全球男性中最常见的癌症类型。为诊断结直肠癌和前列腺癌，病理学家对针吸活检样本进行组织学分析。这一人工过程耗时且易出错，导致较高的观察者内与观察者间变异性，从而影响诊断可靠性。本研究旨在开发一种自动计算机系统，利用活检样本图像诊断结直肠癌和前列腺肿瘤，以减少人工分析相关的时间和诊断错误率。我们提出了一种 CNN 模型，用于从活检样本的多光谱图像中分类结直肠癌和前列腺肿瘤。其关键思想是移除卷积层的最后一个块并将每层的滤波器数量减半。我们的结果显示出优异性能，前列腺和结直肠癌数据集的平均测试准确率分别为 99.8% 和 99.5%。与预训练 CNN 及其他分类方法相比，该系统表现出优异性能，因为它避免了预处理阶段，同时使用单一 CNN 模型进行分类。总体而言，所提出的 CNN 架构在分类结直肠癌和前列腺肿瘤图像方面是全球性能最佳的系统。我们对所提出的 CNN 进行了详述，并与先前训练过的用作特征提取器的网络模型进行比较。这些 CNN 也与其他分类技术进行了比较。与预训练 CNN 和其他分类方法相反，所提出的 CNN 取得了优异结果。我们还研究了 CNN 的计算复杂度，表明所提出的 CNN 在分类图像方面优于预训练网络，因为它不需要预处理。因此，总体分析认为所提出的 CNN 架构在分类结直肠癌和前列腺肿瘤图像方面是全球性能最佳的系统。
引用
@article{arxiv.2301.13151,
title = {Convolutional Neural Network-Based Automatic Classification of Colorectal and Prostate Tumor Biopsies Using Multispectral Imagery: System Development Study},
author = {Remy Peyret and Duaa alSaeed and Fouad Khelifi and Nadia Al-Ghreimil and Heyam Al-Baity and Ahmed Bouridane},
journal= {arXiv preprint arXiv:2301.13151},
year = {2023}
}