用于可解释宫颈癌分类器的回归约束
图像与视频处理
2019-08-20 v2 计算机视觉与模式识别
机器学习
摘要
本文探讨利用深度学习方法实现宫颈癌筛查中鳞状细胞自动分类的问题。我们在一个称为Herlev数据集的公开数据集上研究了不同架构，该数据集的任务是依据细胞所代表异常的严重程度对宫颈涂片获得的细胞进行分类。此外，我们使用归因方法来理解哪些细胞形态学特征被实际学习为区分异常严重程度的判别特征。通过本文，我们展示了如何训练一个高性能分类器：在严重程度分类上准确率为74.5%，在正常/异常分类上准确率为94%。
引用
@article{arxiv.1908.02650,
title = {Regression Constraint for an Explainable Cervical Cancer Classifier},
author = {Antoine Pirovano and Leandro G. Almeida and Said Ladjal},
journal= {arXiv preprint arXiv:1908.02650},
year = {2019}
}
备注
5 pages, 9 figures, accepted at GRETSI 2019