基于孪生网络的骨肉瘤存活与坏死肿瘤评估深度模型
医学物理
2021-01-27 v2 图像与视频处理
摘要
骨肉瘤是最常见的原发性恶性骨肿瘤，因易肺转移而死亡率高。骨肉瘤是一种高度间变、多形性肿瘤，肿瘤细胞形态多样，包括梭形、卵圆形、上皮样、淋巴细胞样、小圆形、透明细胞等。由于骨肉瘤细胞形态多样，病理学家对骨肉瘤的分类（存活肿瘤、坏死肿瘤、非肿瘤）存在差异。因此，自动且准确的识别算法可大大减少病理学家的时间并提高诊断准确性。近年来，深度学习技术在自然图像和医学图像领域取得重大进展，并在分类上取得超越人类表现的优异结果。本文中，我们提出一种带孪生网络的深度模型（DS-Net），用于苏木精-伊红（H&E）染色的骨肉瘤组织学图像自动分类。
引用
@article{arxiv.1910.12513,
title = {Deep Model with Siamese Network for Viability and Necrosis Tumor Assessment in Osteosarcoma},
author = {Yu Fu},
journal= {arXiv preprint arXiv:1910.12513},
year = {2021}
}
备注
Wrong reference to the article's references;The word in Figure 1 is wrong;Structure error in Figure 2