DFDL：面向判别特征字典学习的组织病理图像分类方法
计算机视觉与模式识别
2016-11-18 v1
摘要
在组织病理图像分析中，由于适用于每个问题的组织学特征多样性以及丰富几何结构的存在，用于分类的特征提取是一项具有挑战性的任务。本文提出了一种自动特征发现框架，用于提取判别性类别特异性特征，并给出了一种用于组织病理学分类和疾病分级的低复杂度方法。本质上，我们的判别性特征导向字典学习（DFDL）方法学习适合表示同类样本而难以表示其他类别样本的类别特异性特征。在三个具有挑战性的真实世界图像数据库上的实验：1）乳腺导管内病变的组织病理图像，2）宾夕法尼亚州立大学动物诊断实验室（ADL）提供的哺乳动物肺部图像，以及3）癌症基因组图谱（TCGA）数据库中的脑肿瘤图像，显示了DFDL模型在多种问题上相对于最先进方法的显著优势。
引用
@article{arxiv.1502.01032,
title = {DFDL: Discriminative Feature-oriented Dictionary Learning for Histopathological Image Classification},
author = {Tiep H. Vu and Hojjat S. Mousavi and Vishal Monga and UK Arvind Rao and Ganesh Rao},
journal= {arXiv preprint arXiv:1502.01032},
year = {2016}
}
备注
Accepted to IEEE International Symposium on Biomedical Imaging (ISBI), 2015