红系细胞的形状感知细粒度分类
计算机视觉与模式识别
2022-12-29 v1
摘要
骨髓红系细胞的细粒度分类与计数对于评估白血病或血液病患者的健康状况和制定治疗方案至关重要。由于不同类型红系细胞间视觉差异细微，将现有基于图像的深度学习模型用于细粒度红系细胞分类具有挑战性。此外，缺乏大型开源红系细胞数据集以支持模型训练。本文引入 BMEC（Bone Marrow Erythroid Cells，骨髓红系细胞），首个红系细胞大型细粒度图像数据集，以促进更多红系细胞的深度学习研究。BMEC 包含 5,666 张单个红系细胞图像，每张均提取自骨髓红系细胞涂片，并专业标注为四类红系细胞之一。区分红系细胞的一个关键指标是细胞形状，其与细胞生长成熟密切相关。因此，我们设计了一种新颖的形状感知图像分类网络用于细粒度红系细胞分类。形状特征从形状掩码图像提取，并通过形状注意力模块聚合到原始图像特征。借助形状注意力图像特征，我们的网络在 BMEC 数据集上取得了优于基线方法的分类性能（81.12% top-1 准确率）。消融研究也证明了融入形状信息对细粒度细胞分类的有效性。为进一步验证方法泛化性，我们在两个额外公开白细胞（WBC）数据集上测试了网络，结果显示我们的形状感知方法在 WBC 分类上普遍优于近期 SOTA 工作。代码与 BMEC 数据集见 https://github.com/wangye8899/BMEC。
引用
@article{arxiv.2212.13695,
title = {Shape-Aware Fine-Grained Classification of Erythroid Cells},
author = {Ye Wang and Rui Ma and Xiaoqing Ma and Honghua Cui and Yubin Xiao and Xuan Wu and You Zhou},
journal= {arXiv preprint arXiv:2212.13695},
year = {2022}
}