使用层次条件随机场的胃组织病理学图像分割
计算机视觉与模式识别
2020-10-20 v5 机器学习
摘要
对于应用于胃癌智能诊断的卷积神经网络（CNNs），现有方法多聚焦于个体特征或网络框架，缺乏刻画整体信息的策略。条件随机场（CRF）作为分析含复杂内容图像的高效稳定算法，能够刻画图像中的空间关系。本文提出一种基于层次条件随机场（HCRF）的胃组织病理学图像分割（GHIS）新方法，可自动定位光学显微镜获取的胃组织病理学图像中的异常（癌变）区域，以辅助组织病理医生工作。该 HCRF 模型由高阶势构建，包括像素级与块级势，并应用基于图的后处理以进一步提升分割性能。特别地，训练一个 CNN 构建像素级势，另微调三个 CNN 构建块级势，以获取充足空间分割信息。实验中，一个含 560 张异常图像的苏木精-伊红（H&E）染色胃组织病理学数据集按 1 : 1 : 2 比例划分为训练、验证与测试集。最终在测试集上取得 78.91%、65.59% 与 81.33% 的分割准确率、召回率与特异性。我们的 HCRF 模型展现出高分割性能，并表明其在 GHIS 领域的有效性与未来潜力。
引用
@article{arxiv.2003.01302,
title = {Gastric histopathology image segmentation using a hierarchical conditional random field},
author = {Changhao Sun and Chen Li and Jinghua Zhang and Muhammad Rahaman and Shiliang Ai and Hao Chen and Frank Kulwa and Yixin Li and Xiaoyan Li and Tao Jiang},
journal= {arXiv preprint arXiv:2003.01302},
year = {2020}
}