用于淋巴结转移癌症检测的半监督学习
计算机视觉与模式识别
2019-06-25 v1 人工智能
摘要
病理学家在大量病理扫描片上检查前哨淋巴结的状态十分繁琐。此类包含转移癌细胞的淋巴结的检查过程在组织学上是有序组织的。然而，寻找转移组织的任务是渐进性的，通常具有挑战性。在这项工作中，我们提出了基于深度卷积神经网络的模型，并在 PatchCamelyon（PCam）基准数据集上进行了验证，该数据集用于组织病理学诊断的基础机器学习研究。我们发现，所提出的模型通过在 PCam 层级上使用伪标签的半监督学习方法进行训练，相比强 CNN 基线在 AUC 指标上显著取得了更好的性能。
引用
@article{arxiv.1906.09587,
title = {Semi-Supervised Learning for Cancer Detection of Lymph Node Metastases},
author = {Amit Kumar Jaiswal and Ivan Panshin and Dimitrij Shulkin and Nagender Aneja and Samuel Abramov},
journal= {arXiv preprint arXiv:1906.09587},
year = {2019}
}
备注
Accepted in CVPR 2019 Workshop Towards Causal, Explainable and Universal Medical Visual Diagnosis