基于判别特征导向字典学习的组织病理学图像分类与疾病分级
计算机视觉与模式识别
2016-03-30 v5
摘要
在组织病理学图像分析中，由于适用于每个问题的组织学特征多样性以及丰富几何结构的存在，用于分类的特征提取是一项具有挑战性的任务。本文中，我们提出一种通过学习类特定字典的自动特征发现框架，并给出一种用于组织病理学分类与疾病分级的低复杂度方法。本质上，我们的判别特征导向字典学习(DFDL)方法学习类特定字典，使得在稀疏性约束下，学习到的字典能够通过对应该样本类属的字典来简洁地表示新的图像样本。同时，该字典被设计成极不擅长表示来自其他类的样本。在三个具有挑战性的真实图像数据库上的实验：1) 导管内乳腺病变的组织病理学图像，2) 宾夕法尼亚州立大学动物诊断实验室(ADL)提供的哺乳动物肾、肺和脾脏图像，3) 来自癌症基因组图谱(TCGA)数据库的脑肿瘤图像，揭示了我们的方案相对于最先进替代方法的优点。此外，我们证明DFDL在分类精度随训练图像数量下降时表现出更平缓的衰减，这在实际中训练样本通常不充分的情况下是非常可取的。
引用
@article{arxiv.1506.05032,
title = {Histopathological Image Classification using Discriminative Feature-oriented Dictionary Learning},
author = {Tiep Huu Vu and Hojjat Seyed Mousavi and Vishal Monga and Arvind UK Rao and Ganesh Rao},
journal= {arXiv preprint arXiv:1506.05032},
year = {2016}
}
备注
Accepted version to Transaction on Medical Imaging, 13 pages