构建投影的局部交集用于组织病理学图像分类与检索
计算机视觉与模式识别
2020-08-11 v1
摘要
本文提出一种称为构建投影局部交集（Forming Local Intersections of Projections, FLIP）及其多分辨率版本（mFLIP）的新型图像描述符，用于表示组织病理学图像。该描述符基于 Radon 变换，我们在灰度图像的微小局部邻域中应用平行投影。在每个窗口中使用等距投影方向，通过取相邻投影的交集提取邻域的独特且不变特征。此后，我们为每幅图像构建直方图，称为 FLIP 直方图。不同分辨率提供不同 FLIP 直方图，将其拼接形成 mFLIP 描述符。我们的实验包括从头训练常见网络与微调预训练网络以基准测试所提描述符。实验在公开数据集 KIMIA Path24 与 KIMIA Path960 上进行。对这两个数据集，FLIP 与 mFLIP 描述符在所有实验中均展现出有前景的结果。使用 KIMIA Path24 数据，FLIP 在特征提取上优于未微调的 Inception-v3 与微调的 VGG16，mFLIP 优于微调的 Inception-v3。
引用
@article{arxiv.2008.03553,
title = {Forming Local Intersections of Projections for Classifying and Searching Histopathology Images},
author = {Aditya Sriram and Shivam Kalra and Morteza Babaie and Brady Kieffer and Waddah Al Drobi and Shahryar Rahnamayan and Hany Kashani and Hamid R. Tizhoosh},
journal= {arXiv preprint arXiv:2008.03553},
year = {2020}
}
备注
To appear in International Conference on AI in Medicine (AIME 2020)