使用对抗神经网络的宫颈病理识别
图像与视频处理
2020-04-29 v1 计算机视觉与模式识别
机器学习
摘要
各种筛查和诊断方法已使发达国家宫颈癌死亡率大幅下降。然而，在印度及其他中低收入国家（LMICs），尤其是城市贫民和贫民窟居民中，宫颈癌是女性癌症相关死亡的首要原因。诸如细胞学检测、HPV 检测等若干精密技术已广泛用于宫颈癌筛查。这些检测本身耗时较长。在本文中，我们提出一种基于卷积自编码器的框架，其架构类似于 SegNet，并以对抗方式训练，用于对阴道镜获取的宫颈图像进行分类。我们在 Intel-Mobile ODT 宫颈图像分类数据集上验证性能。所提方法优于在 ImageNet 数据库上预训练的卷积神经网络微调的标准技术，平均准确率达 73.75%。
引用
@article{arxiv.2004.13406,
title = {Identification of Cervical Pathology using Adversarial Neural Networks},
author = {Abhilash Nandy and Rachana Sathish and Debdoot Sheet},
journal= {arXiv preprint arXiv:2004.13406},
year = {2020}
}
备注
9 pages, 10 images, 5th MedImage Workshop of 11th Indian Conference on Computer Vision, Graphics and Image Processing, Hyderabad, India, 2018