G2C：一种融合多染色视觉线索用于病理肾小球分类的生成器到分类器框架
计算机视觉与模式识别
2019-03-08 v3
摘要
病理肾小球分类在肾病诊断中起着关键作用。由于不同子类别之间的差异细微，医生常参考不同染色方法的切片来做出判断。然而，建立跨多种染色的对应关系需要大量人工，给数据收集和训练基于视觉的算法以辅助肾病诊断带来了主要困难。本文为融合多染色视觉线索进行肾小球分类提供了一种替代方案。我们的方法名为生成器到分类器（generator-to-classifier, G2C），是一个两阶段框架。给定来自指定染色的一张输入图像，首先应用若干生成器估计其在其他染色方法中的外观，随后一个分类器结合来自不同染色的视觉线索进行预测（是否为病理性，或患有哪类病理）。我们以联合方式优化这两个阶段。为提供合理的初始化，我们在一个无标签参考集上以非配对图像到图像翻译任务预训练生成器，然后与分类器一起微调。我们在自行收集的肾小球类型分类数据集上开展实验（目前无公开可用数据集用于此目的）。尽管联合优化略微损害了生成补丁的真实性，但它提升了分类性能，表明以自动方式提取了更有效的视觉线索。我们还将模型迁移到一个公开的乳腺癌分类数据集上，并显著优于当前最优（state-of-the-art）方法。
引用
@article{arxiv.1807.03136,
title = {G2C: A Generator-to-Classifier Framework Integrating Multi-Stained Visual Cues for Pathological Glomerulus Classification},
author = {Bingzhe Wu and Xiaolu Zhang and Shiwan Zhao and Lingxi Xie and Caihong Zeng and Zhihong Liu and Guangyu Sun},
journal= {arXiv preprint arXiv:1807.03136},
year = {2019}
}
备注
Accepted by AAAI 2019