用于十亿像素组织病理学图像分析的神经图像压缩
计算机视觉与模式识别
2020-04-16 v2 图像与视频处理
摘要
我们提出神经图像压缩（NIC），一种仅使用弱图像级标签构建用于十亿像素图像分析的卷积神经网络的两步方法。首先，利用以无监督方式训练的神经网络对十亿像素图像进行压缩，在抑制像素级噪声的同时保留高层信息。其次，在这些压缩图像表示上训练卷积神经网络（CNN）以预测图像级标签，从而避免对细粒度人工标注的需求。我们比较了若干编码策略，即重建误差最小化、对比训练与对抗特征学习，并在一个合成任务和两个公共组织病理学数据集上评估了 NIC。我们发现 NIC 能够成功利用与图像级标签相关的视觉线索，整合全局与局部视觉信息。此外，我们可视化了输入十亿像素图像中 CNN 所关注的区域，并确认其与人类专家的标注重叠。
引用
@article{arxiv.1811.02840,
title = {Neural Image Compression for Gigapixel Histopathology Image Analysis},
author = {David Tellez and Geert Litjens and Jeroen van der Laak and Francesco Ciompi},
journal= {arXiv preprint arXiv:1811.02840},
year = {2020}
}
备注
Accepted in the IEEE Transactions on Pattern Analysis and Machine Intelligence journal