SDCT-AuxNet$^{\theta}$：用于癌症诊断的带辅助分类器的DCT增强染色解卷积CNN
计算机视觉与模式识别
2020-06-09 v2
摘要
急性淋巴细胞白血病（ALL）是一种全球普遍存在的儿童性白细胞癌症。随着卷积神经网络（CNNs）的普及，癌症的计算机辅助诊断已引起相当关注。此类工具易于部署且具成本效益。因此，它们能够广泛覆盖癌症诊断设施。然而，由于缺乏大型训练数据集，迄今为止开发此类ALL癌症工具颇具挑战。恶性细胞与正常细胞之间的视觉相似性增加了该问题的复杂性。本文讨论了近期发布的大型数据集，并提出了一种用于ALL癌症细胞图像分类的新型深度学习架构。所提架构即SDCT-AuxNet，是一个双模块框架，在一个模块中使用紧凑CNN作为主分类器，在另一模块中使用核SVM作为辅助分类器。CNN分类器通过双线性池化利用特征，而辅助分类器使用谱平均特征。此外，该CNN在光学密度域中的染色解卷积量图像上训练，而非传统的RGB图像。提出了一种新颖的测试策略，利用两个分类器根据其预测类标签的置信度分数进行决策。我们在近期发布的包含15114张ALL癌症与健康细胞图像的公共数据集上进行了详尽实验，以确立所提方法的有效性，该方法对受试者层面变异也具有鲁棒性。获得了94.8%的加权F1分数，这是该具挑战性数据集上迄今最佳结果。
引用
@article{arxiv.2006.00304,
title = {SDCT-AuxNet$^{\theta}$: DCT Augmented Stain Deconvolutional CNN with Auxiliary Classifier for Cancer Diagnosis},
author = {Shiv Gehlot and Anubha Gupta and Ritu Gupta},
journal= {arXiv preprint arXiv:2006.00304},
year = {2020}
}
备注
The final version of this preprint has been published in Medical Image Analysis