用于改进组织病理学图像脑膜瘤分类的纹理测度组合
计算机视觉与模式识别
2015-12-29 v1
摘要
提供一种能够以显著准确率协助病理学家正确分类脑膜瘤肿瘤的改进技术是我们的主要目标。所提出的技术基于最优纹理测度组合，检查RGB颜色通道的可分离性，并选择最能分割组织病理学图像细胞核的通道。应用形态学梯度提取每个亚型的感兴趣区域，并消除活检准备过程中可能产生的潜在噪声（如裂纹）。通过四种不同的纹理测度（两种基于模型和两种基于统计）提取脑膜瘤纹理特征，然后在排除高度相关的特征后，将相应的特征以不同组合融合在一起，并使用贝叶斯分类器进行脑膜瘤亚型判别。结合高斯马尔可夫随机场和游程矩阵的纹理测度在定量表征脑膜瘤组织方面优于所有其他组合，实现了92.50%的总体分类准确率，相比单独使用纹理测度时83.75%的最佳准确率有所提高。
引用
@article{arxiv.1512.08049,
title = {Texture measures combination for improved meningioma classification of histopathological images},
author = {Omar S. Al-Kadi},
journal= {arXiv preprint arXiv:1512.08049},
year = {2015}
}