NCT-CRC-HE：并非所有组织病理数据集都同样有用
图像与视频处理
2024-09-19 v1 人工智能
计算机视觉与模式识别
摘要
过去多年提出了众多基于深度学习的组织病理图像分析解决方案。虽然这些方法通常表现出卓越的高精度，但一个关键问题是其精度是否受到与组织病理学无关、由显微镜图像处理和预处理引起的低级图像特性的影响。在本文中，我们分析了一个在众多先前工作中被广泛使用的流行NCT-CRC-HE-100K结直肠癌数据集，显示该数据集及其获得的结果可能受到数据特定偏差的影响。最显著的揭示性数据集问题包括不恰当的颜色归一化、不同类别之间严重的JPEG伪影不一致，以及由于错误的图像动态范围处理导致的组织样本完全损坏。我们表明，即使是最简单的模型仅使用每幅图像3个特征（红、绿、蓝色强度）即可在该9类数据集上实现超过50%的准确率，而使用不显式捕获细胞形态特征的颜色直方图可实现超过82%的准确率。此外，我们表明一个基本的EfficientNet-B0 ImageNet预训练模型可在该数据集上实现超过97.7%的准确率，超越了为此任务提出的所有先前解决方案，包括专门的组织病理基础模型和大型细胞形态感知神经网络。该NCT-CRC-HE数据集是公开可用且可免费用于复制本文结果的数据集。本文使用的代码和预训练模型均 available at https://github.com/gmalivenko/NCT-CRC-HE-experiments
引用
@article{arxiv.2409.11546,
title = {NCT-CRC-HE: Not All Histopathological Datasets Are Equally Useful},
author = {Andrey Ignatov and Grigory Malivenko},
journal= {arXiv preprint arXiv:2409.11546},
year = {2024}
}