用于间接免疫荧光图像分类的分位数表示法
计算机视觉与模式识别
2014-02-07 v1
摘要
在自身免疫性疾病的诊断中，一项重要任务是对包含多个 HEp-2 细胞的玻片图像进行分类。来自同一玻片的所有细胞共享相同的标签，而独立分类单个细胞会丢失关于全局图像质量和强度的部分信息。然而，将整张玻片视为特征向量的集合（即一个包）带来了如何处理该包的问题。一种简单且出奇有效的方法是通过每个特征的少数分位数值来概括特征向量包。这种方法刻画了所有实例的完整分布，从而假设包中的所有实例均具有信息量。当每个包包含大量特征向量时（正如间接免疫荧光图像分类中的情况），这种表示法尤为有用。在间接免疫荧光图像分类上的实验证明了该方法的有效性。
引用
@article{arxiv.1402.1371,
title = {Quantile Representation for Indirect Immunofluorescence Image Classification},
author = {David M. J. Tax and Veronika Cheplygina and Marco Loog},
journal= {arXiv preprint arXiv:1402.1371},
year = {2014}
}