基于半监督学习框架的印戒细胞检测
计算机视觉与模式识别
2019-07-10 v1
摘要
印戒细胞癌是一种预后不良的罕见腺癌。早期检测可大幅改善患者生存率。然而，病理学家只能在显微镜下目视检测印戒细胞。该过程不仅费力而且容易漏检。因此，一种自动且准确的印戒细胞检测方案十分重要，但此前尚未被研究。本文中，我们迈出第一步，提出一种用于印戒细胞检测问题的半监督学习框架。提出自训练(self-training)以应对不完整标注的挑战，并调整协同训练(cooperative-training)以探索未标注区域。结合这两种技术，我们的半监督学习框架能更好地利用有标注与无标注数据。在大型真实临床数据上的实验证明了我们设计的有效性。我们的框架实现了准确的印戒细胞检测，并可轻易应用于临床试验。数据集将很快发布以促进该领域的发展。
引用
@article{arxiv.1907.03954,
title = {Signet Ring Cell Detection With a Semi-supervised Learning Framework},
author = {Jiahui Li and Shuang Yang and Xiaodi Huang and Qian Da and Xiaoqun Yang and Zhiqiang Hu and Qi Duan and Chaofu Wang and Hongsheng Li},
journal= {arXiv preprint arXiv:1907.03954},
year = {2019}
}
备注
Published in The 26th international conference on Information Processing in Medical Imaging (IPMI)