IMPaSh：一种用于结直肠癌组织分类的抗域偏移表征
计算机视觉与模式识别
2022-08-24 v1
摘要
组织学图像的外观取决于组织类型、染色和数字化流程。这些因来源而异，是引发域偏移问题的潜在原因。由于该问题，尽管深度学习模型在计算病理学领域取得了巨大成功，在特定域上训练的模型在应用于另一域时仍可能表现欠佳。为克服此问题，我们提出一种称为 PatchShuffling 的新增广方法，以及一种名为 IMPaSh 的新型自监督对比学习框架，用于预训练深度学习模型。利用这些，我们获得了一个可提取抗域偏移图像表征的 ResNet50 编码器。我们通过将其用于结直肠组织图像的跨域分类，将所得表征与其他域泛化技术获得的表征进行比较。我们表明，所提方法优于其他传统组织学域适应方法和最先进的自监督学习方法。代码见：https://github.com/trinhvg/IMPash 。
引用
@article{arxiv.2208.11052,
title = {IMPaSh: A Novel Domain-shift Resistant Representation for Colorectal Cancer Tissue Classification},
author = {Trinh Thi Le Vuong and Quoc Dang Vu and Mostafa Jahanifar and Simon Graham and Jin Tae Kwak and Nasir Rajpoot},
journal= {arXiv preprint arXiv:2208.11052},
year = {2022}
}
备注
Accepted in ECCV2022 MCV Workshop