朝向胎盘组织学中的深度细胞表型分析
计算机视觉与模式识别
2018-05-29 v2
摘要
胎盘是一个复杂器官，在胎儿发育期间扮演多重角色。关于胎盘形态异常与胎儿生理之间的关联所知甚少。本工作中，我们提出一个开源、计算上易处理的深度学习流程，在细胞层面分析胎盘组织学。通过利用两种深度卷积神经网络架构与迁移学习，我们能够稳健地定位并分类胎盘细胞为五类，准确率达 89%。此外，我们学习编码表型知识的深度嵌入，其能够既对五种不同细胞群体分层，又学习类内表型方差。我们设想该流程向群体规模胎盘组织学研究的自动化，有潜力增进我们对胎盘基础细胞生物学及其变异的理解，特别是其在预测不良出生结局中的作用。
引用
@article{arxiv.1804.03270,
title = {Towards Deep Cellular Phenotyping in Placental Histology},
author = {Michael Ferlaino and Craig A. Glastonbury and Carolina Motta-Mejia and Manu Vatish and Ingrid Granne and Stephen Kennedy and Cecilia M. Lindgren and Christoffer Nellåker},
journal= {arXiv preprint arXiv:1804.03270},
year = {2018}
}
备注
Updated MRC funding material. Corrected typo that suggested ensembling and Inception accuracy were the same (updated to reflect the fact the ensemble model is 1% better than previously reported)