利用空间上下文表示的多类细胞检测
计算机视觉与模式识别
2022-06-07 v2
摘要
在数字病理学中，细胞的检测与分类对于自动诊断与预后任务均十分重要。将细胞分类为亚型（如肿瘤细胞、淋巴细胞或基质细胞）尤其具有挑战性。现有方法聚焦于单个细胞的形态学外观，而在实践中病理学家常通过空间上下文推断细胞类别。在本文中，我们提出一种同时进行检测与分类的新方法，其显式地融入空间上下文信息。我们使用空间统计函数以多类别与多尺度的方式描述局部密度。通过表示学习与深度聚类技术，我们学习了兼具外观与空间上下文的高级细胞表示。在各基准上，我们的方法取得了优于现有最优方法的性能，尤其在分类任务上。我们还创建了一个用于乳腺癌中多类细胞检测与分类的新数据集，并将代码与数据公开可用。
引用
@article{arxiv.2110.04886,
title = {Multi-Class Cell Detection Using Spatial Context Representation},
author = {Shahira Abousamra and David Belinsky and John Van Arnam and Felicia Allard and Eric Yee and Rajarsi Gupta and Tahsin Kurc and Dimitris Samaras and Joel Saltz and Chao Chen},
journal= {arXiv preprint arXiv:2110.04886},
year = {2022}
}