深度网络中用于组织病理学图像浸润性导管癌细胞判别的多级批量归一化
图像与视频处理
2019-08-06 v1 机器学习
摘要
乳腺癌是全球女性中诊断最多的癌症，也是最主要的死亡原因。乳腺病理等成像技术有助于疾病的诊断与监测。然而，由于染色剂导致的组织吸收高度异质性，恶性细胞的识别可能具有挑战性。本工作中，我们提出一种在组织病理学切片中判别浸润性导管癌（IDC）细胞的新方法。我们提出一个源自Inception架构的模型，在每一个卷积步骤之间提出多级批量归一化模块。该模块用作CNN架构中特征提取的基础块。我们使用公开的IDC数据集，获得了0.89的平衡准确率和0.90的F1分数，从而超越了近期在该公开数据集上测试的最先进分类算法。
引用
@article{arxiv.1901.03684,
title = {Multi-Level Batch Normalization In Deep Networks For Invasive Ductal Carcinoma Cell Discrimination In Histopathology Images},
author = {Francisco Perdigon Romero and An Tang and Samuel Kadoury},
journal= {arXiv preprint arXiv:1901.03684},
year = {2019}
}
备注
4 pages, 5 figures