利用深度网络与手工特征进行组织病理学图像中的腺体分割
图像与视频处理
2019-09-04 v1 计算机视觉与模式识别
机器学习
摘要
组织病理学图像包含用于癌症疾病医学诊断和预后的重要信息。组织病理学图像中腺体的分割是分析和诊断不健康患者的首要步骤。由于深度神经网络在智能医学诊断和组织病理学中的广泛应用和巨大成功，我们提出了一种改进版 LinkNet 用于腺体分割和恶性病例识别。我们表明，使用特定的手工特征（如不变局部二值模式）可大幅提升系统性能。实验结果证明了所提系统相对于最先进方法的竞争力。我们在 Warwick-QU 数据集的 B 部分图像上取得了最佳测试结果，并在 A 部分图像上获得了可比的结果。
引用
@article{arxiv.1909.00270,
title = {Gland Segmentation in Histopathology Images Using Deep Networks and Handcrafted Features},
author = {Safiyeh Rezaei and Ali Emami and Hamidreza Zarrabi and Shima Rafiei and Kayvan Najarian and Nader Karimi and Shadrokh Samavi and S. M. Reza Soroushmehr},
journal= {arXiv preprint arXiv:1909.00270},
year = {2019}
}