预处理在基于深度卷积神经网络的组织病理学图像分类中的重要性
图像与视频处理
2022-01-25 v1 计算机视觉与模式识别
摘要
本研究旨在提出一种替代性的混合解决方案，用于从患有副结核病且肠道完整的动物身上获取的组织病理学图像中诊断疾病。具体而言，该混合方法基于同时使用图像处理和深度学习以获得更优结果。从组织病理学图像中进行可靠的疾病检测是医学图像处理中的一个公认开放问题，需要开发替代性解决方案。在此背景下，与布尔杜尔·穆罕默德·阿基夫·埃尔索伊大学兽医学院病理学系合作，收集了 520 张组织病理学图像。手动检测和解读这些图像需要专业知识且耗时巨大。因此，兽医，尤其是新入职的医师，在开发该疾病的检测与治疗方法时，对成像和计算机视觉系统有着迫切需求。本研究提出的解决方案是将 CLAHE 方法与图像处理结合使用。经过此预处理后，通过由 VGG-16 架构支持的卷积神经网络进行分类来做出诊断。该方法使用完全原创的数据集图像。针对评估参数应用了两种系统。在未经数据预处理的方法中，F1 分数为 93%，而在经过 CLAHE 方法预处理的方法中，F1 分数达到 98%。
引用
@article{arxiv.2201.09867,
title = {Importance of Preprocessing in Histopathology Image Classification Using Deep Convolutional Neural Network},
author = {Nilgun Sengoz and Tuncay Yigit and Ozlem Ozmen and Ali Hakan Isik},
journal= {arXiv preprint arXiv:2201.09867},
year = {2022}
}
备注
6 Pages