基于特征与注意力机制的序列分类器
图像与视频处理
2020-07-23 v1 计算机视觉与模式识别
机器学习
摘要
宫颈癌是影响全球女性最致命的癌症之一。利用宫颈活检切片的组织病理学检查进行宫颈上皮内瘤变(CIN)评估存在观察者间差异。数字化组织病理学切片的自动处理有潜力对从正常到日益严重的癌前等级 CIN1、CIN2 和 CIN3 进行更准确的分类。宫颈疾病通常被理解为从底部(基底膜)向表皮顶部进展。为建模疾病严重程度与异常空间分布的关系,我们提出一种网络流程 DeepCIN,通过关注局部垂直区域并融合该局部信息以确定 Normal/CIN 分类,来分层分析高分辨率上皮图像(从全切片图像中手动提取)。该流程包含两个分类网络:1)一个横截面、垂直片段级序列生成器(两阶段编码器模型)使用弱监督训练,从垂直片段生成特征序列以保留上皮图像数据中自底向上的特征关系;2)一个基于注意力的融合网络图像级分类器,通过合并垂直片段序列预测最终 CIN 等级。该模型给出 CIN 分类结果,并确定垂直片段对 CIN 等级预测的贡献。实验表明 DeepCIN 达到了病理医生水平的 CIN 分类准确率。
引用
@article{arxiv.2007.11392,
title = {Feature based Sequential Classifier with Attention Mechanism},
author = {Sudhir Sornapudi and R. Joe Stanley and William V. Stoecker and Rodney Long and Zhiyun Xue and Rosemary Zuna and Shelliane R. Frazier and Sameer Antani},
journal= {arXiv preprint arXiv:2007.11392},
year = {2020}
}