MCUa：用于乳腺癌组织学图像分类的多级上下文与不确定性感知动态深度集成模型
计算机视觉与模式识别
2021-08-25 v1 人工智能
摘要
乳腺组织学图像分类是乳腺癌早期诊断的关键步骤。在乳腺病理诊断中，卷积神经网络（CNN）利用数字化组织学切片已取得巨大成功。然而，由于大尺寸数字化样本的高度视觉可变性以及上下文信息的缺乏，组织分类仍然具有挑战性。在本文中，我们提出了一种新颖的 CNN，称为多级上下文与不确定性感知（MCUa）动态深度学习集成模型。MCUa 模型由多个多级上下文感知模型组成，以逐层方式学习图像块之间的空间依赖关系。它利用一个不确定性量化组件来利用对多级上下文信息的高度敏感性，从而实现一种新颖的动态集成模型。MCUa 模型在一个乳腺癌组织学图像数据集上达到了 98.11% 的高准确率。实验结果表明，与最先进的组织学分类模型相比，所提出的解决方案具有优越的有效性。
引用
@article{arxiv.2108.10709,
title = {MCUa: Multi-level Context and Uncertainty aware Dynamic Deep Ensemble for Breast Cancer Histology Image Classification},
author = {Zakaria Senousy and Mohammed M. Abdelsamea and Mohamed Medhat Gaber and Moloud Abdar and U Rajendra Acharya and Abbas Khosravi and Saeid Nahavandi},
journal= {arXiv preprint arXiv:2108.10709},
year = {2021}
}
备注
accepted by IEEE Transactions on Biomedical Engineering