用于乳腺癌组织病理图像分类的双重迁移学习
计算机视觉与模式识别
2019-04-17 v1 机器学习
摘要
本工作提出一种乳腺癌组织病理图像（HI）的分类方法，该方法使用迁移学习，通过以 ImageNet 数据集预训练的 Inception-v3 CNN 从 HI 中提取特征。我们还在带组织标签的结直肠癌数据集上运用迁移学习训练支持向量机（SVM）分类器，旨在过滤乳腺癌 HI 中的图块并移除不相关者。我们表明在训练第二个 SVM 分类器之前移除不相关图块，可提升对乳腺癌图像中恶性与良性肿瘤的分类准确率。我们能够利用特征提取迁移学习将分类准确率提升 3.7%，并利用不相关图块消除额外提升 0.7%。所提方法在乳腺癌数据集的四个放大倍数中的三个上优于当前最优（state-of-the-art）。
引用
@article{arxiv.1904.07834,
title = {Double Transfer Learning for Breast Cancer Histopathologic Image Classification},
author = {Jonathan de Matos and Alceu de S. Britto and Luiz E. S. Oliveira and Alessandro L. Koerich},
journal= {arXiv preprint arXiv:1904.07834},
year = {2019}
}