用于组织病理学图像分类的卷积神经网络：从头训练与预训练网络的比较
计算机视觉与模式识别
2017-10-17 v1
摘要
我们探讨了基于从预训练卷积神经网络最深层提取的特征向量进行医学图像数据集分类的问题。我们使用了来自多个预训练结构的特征向量，包括带/不带迁移学习的网络，以评估预训练深层特征与在该特定数据集上从头训练的 CNN 的性能对比，以及在小样本条件下迁移学习的影响。所有实验均在 Kimia Path24 数据集上进行，该数据集包含 27,055 个属于 24 种组织纹理类别的组织病理学训练图像块，以及 1,325 个用于评估的测试图像块。结果表明，预训练网络与从头训练相比具有相当的竞争力。此外，微调似乎并未为 VGG16 带来任何实质性改进以证明额外训练的合理性，而我们在微调 Inception 结构时观察到检索和分类准确率有显著提升。
引用
@article{arxiv.1710.05726,
title = {Convolutional Neural Networks for Histopathology Image Classification: Training vs. Using Pre-Trained Networks},
author = {Brady Kieffer and Morteza Babaie and Shivam Kalra and H. R. Tizhoosh},
journal= {arXiv preprint arXiv:1710.05726},
year = {2017}
}
备注
To appear in proceedings of the 7th International Conference on Image Processing Theory, Tools and Applications (IPTA 2017), Nov 28-Dec 1, Montreal, Canada