基于 Sugeno 模糊积分技术的 CNN 分类器集成用于宫颈细胞学图像分类
计算机视觉与模式识别
2021-08-24 v1
摘要
宫颈癌是第四大常见癌症类别，由于检测流程缓慢，每年影响超过 50 万名女性。早期诊断有助于治疗甚至治愈癌症，但繁琐、耗时的检测过程使得开展人群范围的筛查难以实现。为辅助病理医生进行高效可靠的检测，本文提出一种全自动计算机辅助诊断工具，用于分类宫颈癌的单细胞与玻片图像。开发用于生物医学图像分类的自动检测工具的主要问题在于公开可获取数据稀缺。集成学习是一种流行的图像分类方法，但利用预先确定权重的分类器的简单方法表现不尽如人意。在本研究中，我们使用 Sugeno 模糊积分对三种流行的预训练深度学习模型（即 Inception v3、DenseNet-161 与 ResNet-34）的决策分数进行集成。所提出的模糊融合能够考虑各分类器对每个样本的置信度分数，从而自适应地改变对各分类器赋予的重要性，捕捉各自提供的互补信息，进而获得更优的分类性能。我们在三个公开可用数据集上评估了所提方法：Mendeley 液基细胞学（LBC）数据集、SIPaKMeD 全玻片图像（WSI）数据集与 SIPaKMeD 单细胞图像（SCI）数据集，所得结果令人鼓舞。基于 GradCAM 的可视化表示与统计检验对该方法的分析，以及与文献中现有及基线模型的比较，印证了该方法的有效性。
引用
@article{arxiv.2108.09460,
title = {Ensemble of CNN classifiers using Sugeno Fuzzy Integral Technique for Cervical Cytology Image Classification},
author = {Rohit Kundu and Hritam Basak and Akhil Koilada and Soham Chattopadhyay and Sukanta Chakraborty and Nibaran Das},
journal= {arXiv preprint arXiv:2108.09460},
year = {2021}
}
备注
16 pages