SFCN-OPI：利用具有对象性先验交互的兄弟 FCN 进行细胞核检测与细粒度分类
计算机视觉与模式识别
2017-12-25 v1
摘要
细胞核检测与细粒度分类一直是组织病理学图像分析中基础且具有挑战性的问题。由于细胞核尺寸微小、显著的类间/类内差异以及较差的图像质量，以往的自动化方法容易受限于精度与鲁棒性不足。同时，现有方法通常独立处理这两项任务，忽视了它们之间的紧密关联。本文提出一种具有先验对象性交互的兄弟全卷积网络新方法（称为 SFCN-OPI），以统一的端到端框架同时且交互式地处理这两项任务。具体而言，兄弟 FCN 分支在浅层共享特征，而各自保有用于特定任务的高层。更重要的是，检测分支输出对象性先验，在训练与测试过程中与细粒度分类兄弟分支动态交互。借助该机制，细粒度分类成功聚焦于具有高细胞核存在置信度的区域并输出条件概率，进而通过反向传播惠及检测。在结肠癌组织学图像上的大量实验验证了我们所提 SFCN-OPI 的有效性，且我们的方法大幅优于最先进（SOTA）方法。
引用
@article{arxiv.1712.08297,
title = {SFCN-OPI: Detection and Fine-grained Classification of Nuclei Using Sibling FCN with Objectness Prior Interaction},
author = {Yanning Zhou and Qi Dou and Hao Chen and Jing Qin and Pheng-Ann Heng},
journal= {arXiv preprint arXiv:1712.08297},
year = {2017}
}
备注
Accepted at AAAI 2018