耦合弱监督与强监督用于前列腺癌组织病理图像分类
计算机视觉与模式识别
2018-11-20 v1
摘要
前列腺癌组织病理图像的自动分级是一项具有挑战性的任务，其中一个关键挑战是感兴趣区域层面（强标签）标注的稀缺，因为通常前列腺癌 Gleason 评分仅对整个组织切片（弱标签）已知。本研究中，我们聚焦于基于一个大型弱标签数据集与一个较小强标签数据集的前列腺癌全切片图像自动 Gleason 评分赋值。我们通过在两个数据集上联合训练分类器，并引入一种为每个训练样本分配不同相对重要性的梯度更新方案作为自控弱监督信号的手段，从而高效利用来自两种标签源的信息。与标准 Gleason 评分方法相比，我们的方法取得了更优性能。
引用
@article{arxiv.1811.07013,
title = {Coupling weak and strong supervision for classification of prostate cancer histopathology images},
author = {Eirini Arvaniti and Manfred Claassen},
journal= {arXiv preprint arXiv:1811.07013},
year = {2018}
}
备注
Accepted in Medical Imaging meets NIPS Workshop, NIPS 2018