CVM-Cervix: 一种基于CNN、视觉Transformer与多层感知机的宫颈巴氏涂片图像分类混合框架
计算机视觉与模式识别
2022-06-03 v1
摘要
宫颈癌是全球所有癌症中第七常见、女性中第四常见的癌症。宫颈细胞病理学图像分类是诊断宫颈癌的重要方法。人工筛查细胞病理学图像耗时且易错。自动计算机辅助诊断系统的出现解决了这一问题。本文提出一种基于深度学习的称为CVM-Cervix的框架来执行宫颈细胞分类任务。它可快速准确地分析巴氏涂片。CVM-Cervix首先提出卷积神经网络(Convolutional Neural Network, CNN)模块与视觉Transformer(Visual Transformer)模块分别用于局部与全局特征提取,然后设计多层感知机(Multilayer Perceptron)模块融合局部与全局特征以进行最终分类。实验结果表明所提CVM-Cervix在宫颈巴氏涂片图像分类领域的有效性与潜力。此外,根据临床工作的实际需求,我们进行了轻量化后处理以压缩模型。
引用
@article{arxiv.2206.00971,
title = {CVM-Cervix: A Hybrid Cervical Pap-Smear Image Classification Framework Using CNN, Visual Transformer and Multilayer Perceptron},
author = {Wanli Liu and Chen Li and Ning Xu and Tao Jiang and Md Mamunur Rahaman and Hongzan Sun and Xiangchen Wu and Weiming Hu and Haoyuan Chen and Changhao Sun and Yudong Yao and Marcin Grzegorzek},
journal= {arXiv preprint arXiv:2206.00971},
year = {2022}
}