组织病理学癌症检测
计算机视觉与模式识别
2023-11-15 v1 人工智能
摘要
癌症细胞的早期诊断是制定有效治疗方案以及保障患者健康与安全所必需的。如今，医生通常使用由病理学家通过对苏木精-伊红（HE）染色组织病理学图像的病理学和细胞学特征进行半定量分析所确定的组织学分级。本研究提出了一种用于癌症预后的潜在分类模型，以高效利用 HE 染色组织病理学图像中蕴含的宝贵信息。本工作使用 PatchCamelyon 基准数据集，并在多层感知机与卷积模型中对其进行训练，以观察模型在精确率、召回率、F1 分数、准确率和 AUC 分数方面的性能。评估结果表明，基线卷积模型优于基线 MLP 模型。此外，本文引入了带有数据增强的 ResNet50 和 InceptionNet 模型，其中 ResNet50 能够击败最先进（state-of-the-art）模型。进一步，本文评估了多数投票与拼接集成方法，并给出了利用迁移学习与分割来理解特定特征的未来方向。
引用
@article{arxiv.2311.07711,
title = {Histopathologic Cancer Detection},
author = {Varan Singh Rohila and Neeraj Lalwani and Lochan Basyal},
journal= {arXiv preprint arXiv:2311.07711},
year = {2023}
}
备注
5 pages, 5 figures, 2 tables