学习做到 EXACT：基于部分标注全切片图像的哮喘细胞检测
图像与视频处理
2021-01-14 v1 计算机视觉与模式识别
摘要
哮喘是下呼吸道的慢性炎性疾患，自然发生于人类与包括马在内的动物中。由于每张全切片图像（WSI）含数十万个细胞，哮喘显微 WSI 的标注是极耗力的任务。为克服 WSI 标注不完全的限制，我们开发了一种训练流程，可用部分标注的 WSI 训练基于深度学习的对象检测模型，并动态补偿类别不平衡。该方法可自由从标注 WSI 中采样区域，而不像经典方法那样受限于 WSI 中完全标注的提取子图像。我们在固定训练集的交叉验证设置下评估该流程，所用数据集为六张马 WSI，其中四张部分标注用于训练，两张完全标注 WSI 用于验证与测试。我们基于 WSI 的训练方法比经典基于子图像的训练方法在 上高出至多 15%，且与十位受训病理学家的标注相比达到类人性能。
引用
@article{arxiv.2101.04943,
title = {Learning to be EXACT, Cell Detection for Asthma on Partially Annotated Whole Slide Images},
author = {Christian Marzahl and Christof A. Bertram and Frauke Wilm and Jörn Voigt and Ann K. Barton and Robert Klopfleisch and Katharina Breininger and Andreas Maier and Marc Aubreville},
journal= {arXiv preprint arXiv:2101.04943},
year = {2021}
}
备注
Submitted to BVM