在超高分辨率与弱标注组织病理图像中检测皮肤基底细胞癌
图像与视频处理
2019-12-03 v3 机器学习
机器学习
摘要
诊断基底细胞癌（BCC）——人类最常见的皮肤恶性肿瘤之一——是病理学家与皮肤病理学家常规执行的任务。通过提供诊断建议（即计算机辅助诊断）来改进组织学诊断，正被积极研究以提升安全性、质量与效率。由于其优越性能，机器学习方法正日益得到应用。然而，扫描组织切片所获得的典型图像分辨率往往高到当前最先进神经网络难以处理的程度。此外，数据带来弱标签问题，因为仅图像极小部分指示疾病类别，而图像大部分与非疾病类别高度相似。本研究的目的是评估是否可能使用基于注意力的深度学习模型检测组织切片中的基底细胞癌，并克服全切片图像的超高分辨率与弱标签。我们证明基于注意力的模型确实可产生近乎完美的分类性能，AUC 达 0.99。
引用
@article{arxiv.1911.06616,
title = {Detecting cutaneous basal cell carcinomas in ultra-high resolution and weakly labelled histopathological images},
author = {Susanne Kimeswenger and Elisabeth Rumetshofer and Markus Hofmarcher and Philipp Tschandl and Harald Kittler and Sepp Hochreiter and Wolfram Hötzenecker and Günter Klambauer},
journal= {arXiv preprint arXiv:1911.06616},
year = {2019}
}
备注
Machine Learning for Health (ML4H) at NeurIPS 2019