IL-MCAM：一种基于交互学习与多通道注意力机制的弱监督结直肠组织病理图像分类方法
计算机视觉与模式识别
2022-06-08 v1
摘要
近年来，结直肠癌已成为危害人类健康最重要的疾病之一。深度学习方法对结直肠组织病理图像的分类日益重要。然而，现有方法更多关注计算机的端到端自动分类，而非人机交互。本文中，我们提出 IL-MCAM 框架。它基于注意力机制与交互学习。所提出的 IL-MCAM 框架包括两个阶段：自动学习（AL）与交互学习（IL）。在 AL 阶段，使用包含三种不同注意力机制通道与卷积神经网络的多通道注意力机制模型提取多通道特征用于分类。在 IL 阶段，所提出的 IL-MCAM 框架以交互方式不断将误分类图像加入训练集，从而提升 MCAM 模型的分类能力。我们在自有数据集上进行了对比实验，并在 HE-NCT-CRC-100K 数据集上进行了扩展实验以验证所提 IL-MCAM 框架的性能，分别取得了 98.98% 和 99.77% 的分类准确率。此外，我们进行了消融实验与可互换性实验以验证三个通道的能力与可互换性。实验结果表明，所提出的 IL-MCAM 框架在结直肠组织病理图像分类任务中具有优异性能。
引用
@article{arxiv.2206.03368,
title = {IL-MCAM: An interactive learning and multi-channel attention mechanism-based weakly supervised colorectal histopathology image classification approach},
author = {Haoyuan Chen and Chen Li and Xiaoyan Li and Md Mamunur Rahaman and Weiming Hu and Yixin Li and Wanli Liu and Changhao Sun and Hongzan Sun and Xinyu Huang and Marcin Grzegorzek},
journal= {arXiv preprint arXiv:2206.03368},
year = {2022}
}