PDBL：通过即插即用金字塔型深广学习改进组织病理学组织分类
图像与视频处理
2021-11-08 v1 计算机视觉与模式识别
定量方法
摘要
组织病理学组织分类是病理组学癌症研究中的一项基础任务。精确区分不同组织类型有利于下游研究，如癌症诊断、预后等。现有工作大多利用计算机视觉中流行的分类主干网络来实现组织病理学组织分类。在本文中，我们提出了一种超轻量级的即插即用模块，称为金字塔型深广学习（Pyramidal Deep-Broad Learning, PDBL），可应用于任何训练良好的分类主干网络，在无重新训练负担的情况下进一步提升分类性能。我们模拟病理学家在不同放大倍数下观察病理切片的方式，为输入图像构建图像金字塔，以获取金字塔上下文信息。对于金字塔中的每一层，我们通过提出的深广块（Deep-Broad block, DB-block）提取多尺度深广特征。我们将 PDBL 配备于三种流行的分类主干网络（ShuffLeNetV2、EfficientNetb0 和 ResNet50）中，在两个数据集（Kather Multiclass Dataset 和 LC25000 Dataset）上评估所提模块的有效性和效率。实验结果表明，所提出的 PDBL 能够稳定提升任何 CNN 主干网络的组织级分类性能，尤其是在仅给定少量训练样本（少于 10%）的轻量级模型上，这极大地节省了计算时间和标注工作量。
引用
@article{arxiv.2111.03063,
title = {PDBL: Improving Histopathological Tissue Classification with Plug-and-Play Pyramidal Deep-Broad Learning},
author = {Jiatai Lin and Guoqiang Han and Xipeng Pan and Hao Chen and Danyi Li and Xiping Jia and Zhenwei Shi and Zhizhen Wang and Yanfen Cui and Haiming Li and Changhong Liang and Li Liang and Zaiyi Liu and Chu Han},
journal= {arXiv preprint arXiv:2111.03063},
year = {2021}
}
备注
10 pages, 5 figures