SHISRCNet：面向低分辨率乳腺癌组织病理图像的超分辨率与分类网络
图像与视频处理
2023-06-27 v1 计算机视觉与模式识别
摘要
作为女性杀手的乳腺癌的快速识别与准确诊断对患者而言极为重要。已有众多乳腺癌组织病理图像分类方法被提出，但它们仍面临两个问题。(1) 这些方法只能处理高分辨率(HR)图像。然而，低分辨率(LR)图像常由硬件条件受限的数字切片扫描仪采集。与HR图像相比，LR图像常丢失纹理等一些关键特征，深刻影响诊断准确性。(2) 现有方法具有固定感受野，因此无法针对具有不同放大倍数的图像很好地提取和融合多尺度特征。为弥补这些不足，我们提出一种单张组织病理图像超分辨率分类网络(SHISRCNet)，其由两个模块组成：超分辨率(SR)模块和分类(CF)模块。SR模块将LR图像重建为SR图像。CF模块提取并融合SR图像的多尺度特征用于分类。在训练阶段，我们将HR图像引入CF模块以增强SHISRCNet的性能。最终，通过这两个模块的联合训练，LR图像的超分辨率与分类被集成到我们的模型中。实验结果表明，以HR图像作为输入时，我们方法的效果接近SOTA方法。
引用
@article{arxiv.2306.14119,
title = {SHISRCNet: Super-resolution And Classification Network For Low-resolution Breast Cancer Histopathology Image},
author = {Luyuan Xie and Cong Li and Zirui Wang and Xin Zhang and Boyan Chen and Qingni Shen and Zhonghai Wu},
journal= {arXiv preprint arXiv:2306.14119},
year = {2023}
}
备注
Accepted by MICCAI 2023