高分辨率切片扫描中癌变组织的多尺度检测
计算机视觉与模式识别
2021-04-27 v1
摘要
我们提出一种用于高分辨率切片扫描中多尺度肿瘤（嵌合细胞）检测的算法。数据集中广泛的肿瘤尺寸范围对当前卷积神经网络（CNN）构成挑战，当图像特征非常小时（8 像素）它们常失效。我们的方法修改 CNN 中不同层的有效感受野，从而可在单次前向传播中检测具有广泛尺度变化的对象。我们定义了计算自适应先验锚框的规则，并证明其在等比例间隔原则下可解。我们 CNN 架构中的两种机制缓解了数据中普遍存在的非判别性特征的影响——一种融合级联残差-inception 模块与带额外上下文信息的反卷积模块的中央凹检测算法。当集成到 Single Shot MultiBox Detector（SSD）中时，这些附加项允许更准确地检测小尺度对象。结果支持在病理学与相关生物医学研究领域中对医学图像的高效实时分析。
引用
@article{arxiv.2010.00641,
title = {Multiscale Detection of Cancerous Tissue in High Resolution Slide Scans},
author = {Qingchao Zhang and Coy D. Heldermon and Corey Toler-Franklin},
journal= {arXiv preprint arXiv:2010.00641},
year = {2021}
}
备注
14 pages, 7 figures, 2 tables