利用乳腺组织病理学图像改进前列腺癌检测
机器学习
2019-08-01 v1 计算机视觉与模式识别
机器学习
摘要
深度神经网络在为包括前列腺组织图像在内的数字病理图像基于机器学习的分析领域带来了显著进展。在迁移学习的帮助下，神经网络模型的分类与分割性能得到了进一步提升。然而，由于缺少大规模、充分标注且公开可用的前列腺组织病理学数据集，以往若干研究采用了来自研究充分的计算机视觉任务的数据集，例如 ImageNet 数据集。在本工作中，我们提出一种从乳腺组织病理学图像到前列腺癌检测的迁移学习方案，以提升前列腺癌检测性能。我们使用一个公开可用的乳腺组织病理学数据集作为预训练，在标注的前列腺全切片图像上验证了我们的方法。我们表明，所提出的跨癌种方法优于从 ImageNet 数据集进行的迁移学习。
引用
@article{arxiv.1903.05769,
title = {Improving Prostate Cancer Detection with Breast Histopathology Images},
author = {Umair Akhtar Hasan Khan and Carolin Stürenberg and Oguzhan Gencoglu and Kevin Sandeman and Timo Heikkinen and Antti Rannikko and Tuomas Mirtti},
journal= {arXiv preprint arXiv:1903.05769},
year = {2019}
}
备注
9 pages, 2 figures