通过卷积神经网络进行端到端学习的癌细胞系分类
计算机视觉与模式识别
2018-07-30 v1
摘要
用于细胞和组织自动分析的计算机视觉通常先从图像中提取特征，再通过各类机器学习和机器视觉算法分析这些特征。我们开发了一种卷积神经网络模型，通过明场显微镜图像对 MDA-MB-468 和 MCF7 乳腺癌细胞进行分类，无需任何先验特征提取。我们的 6 层卷积神经网络直接在 1,241 张 MDA-MB-468 和 MCF7 乳腺癌细胞系图像上以端到端方式训练、验证和测试，使系统能够区分不同癌细胞类型。该模型以成像的乳腺癌细胞系作为输入，然后输出细胞系类型（MDA-MB-468 或 MCF7）作为两类之间的预测概率。我们的模型准确率达到 99%。
引用
@article{arxiv.1807.10638,
title = {End-to-End Learning via a Convolutional Neural Network for Cancer Cell Line Classification},
author = {Darlington Ahiale Akogo and Xavier-Lewis Palmer},
journal= {arXiv preprint arXiv:1807.10638},
year = {2018}
}
备注
arXiv admin note: text overlap with arXiv:1805.08702