有限标注下的有丝分裂检测：一种联合学习方法
计算机视觉与模式识别
2020-07-03 v2 机器学习
图像与视频处理
定量方法
摘要
有丝分裂计数是乳腺癌肿瘤增殖的重要预后标志物。基于深度学习的有丝分裂检测已达到与病理学家相当的水平，但其训练需要大量标注数据。我们提出了一种深度分类框架，通过 softmax 损失利用类别标签信息，并通过距离度量学习利用样本间的空间分布信息，从而增强有丝分裂检测。我们还研究了稳步提供信息性样本以提升学习的策略。所提框架的有效性通过在 ICPR 2012 和 AMIDA 2013 有丝分裂数据上的评估得到证实。我们的框架在使用少量训练数据时显著改善了检测效果，并在使用全部训练数据时取得了与最先进方法相当或更优的性能。
引用
@article{arxiv.2006.09772,
title = {Mitosis Detection Under Limited Annotation: A Joint Learning Approach},
author = {Pushpak Pati and Antonio Foncubierta-Rodriguez and Orcun Goksel and Maria Gabrani},
journal= {arXiv preprint arXiv:2006.09772},
year = {2020}
}
备注
2020 IEEE 17th International Symposium on Biomedical Imaging (ISBI)