用于细胞检测的反卷积卷积神经网络
计算机视觉与模式识别
2018-06-20 v1
摘要
由于细胞的大小、形状和特征各异，且在大样本中染色存在差异，组织学图像中的自动细胞检测是一项具有挑战性的任务。传统的深度学习方法回归每个像素属于细胞中心的概率，然后检测局部极大值。我们提出将反卷积作为局部极大值检测的替代方法。将真实点用映射滤波器卷积以生成人工标签。对卷积神经网络（CNN）进行修改，使其输出与相同的映射滤波器卷积，并针对映射后的标签进行训练。然后将训练后 CNN 的输出反卷积以生成点作为细胞检测。我们将我们的方法与最先进的深度学习方法进行比较，结果表明所提出的方法以相对较高的精确率和 F1-score 检测细胞。
引用
@article{arxiv.1806.06970,
title = {Deconvolving convolution neural network for cell detection},
author = {Shan E Ahmed Raza and Khalid AbdulJabbar and Mariam Jamal-Hanjani and Selvaraju Veeriah and John Le Quesne and Charles Swanton and Yinyin Yuan},
journal= {arXiv preprint arXiv:1806.06970},
year = {2018}
}