SlideNet：基于深度神经网络的快速且精确的玻片质量评估
计算机视觉与模式识别
2018-03-21 v1
摘要
本工作解决了使用 Gram 染色协议的数字化直接涂片测试的自动细粒度玻片质量评估问题。自动质量评估可为病理学家及整个数字病理学工作流提供有用信息。例如，如果系统发现玻片染色质量较低，可向自动玻片制备系统发送请求以重新制备玻片。如果系统检测到玻片存在严重损伤，可通知专家可能需要进行人工显微镜镜检。为解决质量评估问题，我们提出了一种基于深度神经网络的框架，以语义方式自动评估玻片质量。具体而言，我们框架的第一步是对整张玻片进行密集的细粒度区域分类，并计算区域分布直方图。接下来，我们的框架将从多个视角生成玻片质量评估：染色质量、信息密度、损伤程度以及哪些区域对后续高倍放大分析更具价值。为使信息更易于获取，我们以热力图和文本摘要的形式呈现结果。此外，为促进该方向的研究，我们提出了一种用于玻片质量评估的新颖数据集。实验表明，所提出的框架优于近期相关工作。
引用
@article{arxiv.1803.07240,
title = {SlideNet: Fast and Accurate Slide Quality Assessment Based on Deep Neural Networks},
author = {Teng Zhang and Johanna Carvajal and Daniel F. Smith and Kun Zhao and Arnold Wiliem and Peter Hobson and Anthony Jennings and Brian C. Lovell},
journal= {arXiv preprint arXiv:1803.07240},
year = {2018}
}