DeepACEv2：基于深度卷积神经网络的中期相细胞图像染色体自动计数
计算机视觉与模式识别
2020-07-21 v5
摘要
染色体计数是核型分析中必要但繁琐的步骤。为自动化计数过程，我们基于区域目标检测方案开发了染色体计数框架DeepACEv2。该框架按三步开发。首先，我们取经典ResNet-101作为骨干网络并附加特征金字塔网络（FPN）。FPN充分利用多级特征，且我们仅输出大多数染色体被分配到的那一级特征图。其次，我们通过新增提出的难负锚点采样来增强区域提议网络的能力，以提取关于高度混淆的部分染色体不明显但关键的信息。接下来，为缓解严重遮挡问题，除传统检测分支外，我们新颖地引入一个独立的模板模块分支，利用染色体几何信息提取每个提议的独特嵌入。这些嵌入进一步被纳入无最大抑制（NMS）过程以改善重叠染色体的检测。最后，我们设计截断归一化排斥损失并将其加入损失函数，以避免由遮挡引起的定位不准。在来自临床实验室新收集的1375张中期相图像中，一系列消融研究验证了各提出模块的有效性。组合后，所提DeepACEv2优于以往所有方法，取得图像整体正确率（WCR）（%）为71.39，染色体平均错误率（AER）（%）约为1.17。
引用
@article{arxiv.1910.11091,
title = {DeepACEv2: Automated Chromosome Enumeration in Metaphase Cell Images Using Deep Convolutional Neural Networks},
author = {Li Xiao and Chunlong Luo and Tianqi Yu and Yufan Luo and Manqing Wang and Fuhai Yu and Yinhao Li and Chan Tian and Jie Qiao},
journal= {arXiv preprint arXiv:1910.11091},
year = {2020}
}