用于环境性肠病与乳糜泻视觉识别的深度学习
定量方法
2019-08-12 v1 计算机视觉与模式识别
图像与视频处理
摘要
医生通过活检来区分不同但在组织学上相似的肠病。可能导致不同胃肠道疾病的综合征与病理范围使得这一问题十分困难。近年来，深度学习已成功用于辅助诊断组织病理学图像中的癌性组织。这些成功促使了本文所呈现的研究，其描述了一种深度学习方法，可从数字化的十二指肠活检中区分乳糜泻（CD）、环境性肠病（EE）与正常组织。实验结果表明该方法准确率超过 90%。我们还通过梯度加权类激活映射（Gradient-weighted Class Activation Mappings）以及输入图像上的滤波器激活来研究神经网络模型的可解释性，以理解模型所做出决策的视觉解释。
引用
@article{arxiv.1908.03272,
title = {Deep Learning for Visual Recognition of Environmental Enteropathy and Celiac Disease},
author = {Aman Shrivastava and Karan Kant and Saurav Sengupta and Sung-Jun Kang and Marium Khan and Asad Ali and Sean R. Moore and Beatrice C. Amadi and Paul Kelly and Donald E. Brown and Sana Syed},
journal= {arXiv preprint arXiv:1908.03272},
year = {2019}
}