基于图像熵的病理切片资源节约型分类与分析
图像与视频处理
2021-03-26 v3 计算机视觉与模式识别
摘要
利用可部署于移动设备的资源节约型卷积神经网络（CNN）对肺恶性肿瘤病理切片进行分类。具体而言，区分肺腺癌（LUAD）与肺鳞状细胞癌（LUSC）亚型这一艰巨任务分两个阶段处理。首先，将全切片组织病理学图像降采样至对CNN分析而言过大、但足以保留关键解剖细节的尺寸。将降采样图像分解为较小的正方形图块，并依据其图像熵进行筛选。轻量级CNN产生图块级分类结果，经聚合后对切片进行分类。所得准确率与复杂得多且训练集大得多的CNN相当。为使临床医生能够直观评估分类依据——即查看其底层的图像区域——通过重叠图块并在像素级平均图块级概率，生成了颜色编码的概率图。
引用
@article{arxiv.2002.07621,
title = {Resource-Frugal Classification and Analysis of Pathology Slides Using Image Entropy},
author = {Steven J. Frank},
journal= {arXiv preprint arXiv:2002.07621},
year = {2021}
}