评估多尺度多示例学习以改进甲状腺癌分类

甲状腺癌目前是女性中诊断出的第五常见恶性肿瘤。由于癌症亚型区分对治疗至关重要，而当前人工方法耗时且主观，自动计算机辅助区分癌症类型十分关键。甲状腺癌的人工区分基于组织切片，由病理学家使用组织学特征分析。由于十亿像素全切片图像的巨大尺寸，使用深度学习方法进行整体分类不可行。基于块的多示例学习方法结合词袋等聚合是常见途径。本工作的贡献在于扩展一种基于块的先进方法，通过生成并组合三种不同块分辨率的特征向量，并分析三种不同的组合方式。结果显示三种多尺度方法之一有所改进，而其余导致分数下降。这为对各别方法进行分析与讨论提供了动机。