基于深度学习模型的乳腺组织病理成像分类以支持癌症诊断
图像与视频处理
2022-07-13 v1 计算机视觉与模式识别
机器学习
摘要
根据一些医学成像技术，称为苏木精-伊红染色的乳腺组织病理图像被视为癌症诊断的金标准。基于将病理图像（WSI）划分为多个图块的思想，我们使用[512,512]窗口从左向右、从上向下滑动，每次滑动步长重叠50%，在从ICIAR 2018 Grand Challenge收集的400张图像数据集上增强数据。随后使用EfficientNet模型将乳腺癌组织病理图像分类并识别为4类：正常、良性、癌、浸润性癌。EfficientNet模型是近期开发的模型，它利用一组固定的缩放因子统一缩放网络的宽度、深度和分辨率，非常适用于高分辨率训练图像。该模型的结果给出了颇具竞争力的分类效率，在训练集上达到98%准确率，在评估集上达到93%。
引用
@article{arxiv.2207.05057,
title = {Histopathological Imaging Classification of Breast Tissue for Cancer Diagnosis Support Using Deep Learning Models},
author = {Tat-Bao-Thien Nguyen and Minh-Vuong Ngo and Van-Phong Nguyen},
journal= {arXiv preprint arXiv:2207.05057},
year = {2022}
}
备注
International Conference on Industrial Networks and Intelligent Systems (INISCOM-2022), Springer, Vol. 444, pp. 152-164