“RAPID”大组织病理图像中的感兴趣区域检测
计算机视觉与模式识别
2017-04-10 v1
摘要
组织病理图像（例如10^6兆像素）的庞大数量和尺寸凸显了对更快更精确的感兴趣区域（ROI）检测算法的需求。本文提出这样一种算法，其有四个主要组件助力实现更高精度和更快速度：首先，在以粗到细的拓扑保持分割为基线时，所提算法采用超像素规则性优化方案以避免不规则和极小的超像素。第二，所提技术采用预测策略以仅在更精细图像层级聚焦于重要超像素。第三，该算法在其他更精细图像层级重用从最粗图像层级获得的信息。第二和第三组件大幅降低复杂度。第四，该算法采用基于自适应数据划分的高效并行化方案，获得高加速比。在BSD500[1]和来自国家肺部筛查试验（NLST）数据集的500张全切片组织图像上进行的实验结果证实，所提算法相比基线获得13倍加速，相比SLIC[11]约160倍加速，且不损失精度。
引用
@article{arxiv.1704.02083,
title = {"RAPID" Regions-of-Interest Detection In Big Histopathological Images},
author = {Li Sulimowicz and Ishfaq Ahmad},
journal= {arXiv preprint arXiv:1704.02083},
year = {2017}
}
备注
6 pages, 5 figures, ICME conference