GasHis-Transformer：一种用于胃组织病理图像检测的多尺度视觉Transformer方法
计算机视觉与模式识别
2022-06-09 v7
摘要
本文提出一种多尺度视觉Transformer模型，称为GasHis-Transformer，用于胃组织病理图像检测（GHID），可实现胃癌图像的自动全局检测。GasHis-Transformer模型由两个关键模块组成，分别利用位置编码的Transformer模型和带局部卷积的卷积神经网络来提取全局与局部信息。实验中使用了一个公开可用的苏木精和伊红（H&E）染色的胃组织病理图像数据集。此外，提出了一种基于Dropconnect的轻量级网络，以减小GasHis-Transformer的模型规模和训练时间，提升置信度以用于临床应用。而且，一系列对比与扩展实验验证了GasHis-Transformer的鲁棒性、可扩展性与稳定性。总之，GasHis-Transformer展现出较高的全局检测性能，并显示出在GHID任务中的重要潜力。
引用
@article{arxiv.2104.14528,
title = {GasHis-Transformer: A Multi-scale Visual Transformer Approach for Gastric Histopathological Image Detection},
author = {Haoyuan Chen and Chen Li and Ge Wang and Xiaoyan Li and Md Rahaman and Hongzan Sun and Weiming Hu and Yixin Li and Wanli Liu and Changhao Sun and Shiliang Ai and Marcin Grzegorzek},
journal= {arXiv preprint arXiv:2104.14528},
year = {2022}
}