利用生态多样性测度与离散小波变换表征组织病理学图像纹理
计算机视觉与模式识别
2022-03-01 v1 机器学习
图像与视频处理
摘要
乳腺癌是影响女性人群的主要健康问题。早期检测可增加有效治疗的机会，改善疾病预后。在这方面，已有计算工具被提出以辅助专家解读乳腺数字图像检查，提供用于检测和诊断肿瘤及癌细胞特征。然而，以高灵敏度率检测肿瘤并降低假阳性率仍具挑战性。纹理描述子在医学图像分析中颇受欢迎，尤其在组织病理学图像（HI）中，因为此类图像中纹理的变异性以及由于染色过程不规则导致的组织外观变异性。这种变异性可能存在于染色方案（如固定、染色条件不一致及试剂）的差异中，无论是在不同实验室之间还是同一实验室内。鉴于此类图像内在属性的分布形成非确定性复杂系统，以判别方式量化 HI 信息的纹理特征提取具有挑战性。本文提出了一种以可观成功率表征 HI 纹理的方法。通过采用生态多样性测度与离散小波变换，相比最先进的方法，能够在两个 HI 数据集上以有前景的准确率量化此类图像的内在属性。
引用
@article{arxiv.2202.13270,
title = {Texture Characterization of Histopathologic Images Using Ecological Diversity Measures and Discrete Wavelet Transform},
author = {Steve Tsham Mpinda Ataky and Alessandro Lameiras Koerich},
journal= {arXiv preprint arXiv:2202.13270},
year = {2022}
}
备注
14 pages