用于组织病理学图像中无监督细胞核检测与表示的稀疏自编码器
计算机视觉与模式识别
2017-04-11 v2
摘要
组织病理学图像对于癌症等复杂疾病的研究至关重要。细胞核的组织学特征在疾病诊断、预后和分析中起着关键作用。在这项工作中，我们提出一种稀疏卷积自编码器（CAE），用于组织病理学组织图像中完全无监督、同时的细胞核检测与特征提取。我们的 CAE 检测并将组织图像中图像块里的细胞核编码为稀疏特征图，这些特征图编码了细胞核的位置与外观。我们的 CAE 是首个用于计算机视觉应用的无监督检测网络。我们 CAE 中预训练的细胞核检测与特征提取模块可以以端到端方式微调用于监督学习。我们在四个数据集上评估了我们的方法，并将最先进方法的误差降低了多达 42%。我们仅以 5% 的全监督标注成本即可实现可比性能。
引用
@article{arxiv.1704.00406,
title = {Sparse Autoencoder for Unsupervised Nucleus Detection and Representation in Histopathology Images},
author = {Le Hou and Vu Nguyen and Dimitris Samaras and Tahsin M. Kurc and Yi Gao and Tianhao Zhao and Joel H. Saltz},
journal= {arXiv preprint arXiv:1704.00406},
year = {2017}
}