用于乳腺癌组织学图像分类的两阶段卷积神经网络
计算机视觉与模式识别
2018-06-29 v2
摘要
本文探讨了显微镜图像中乳腺组织分类的问题。根据主要的癌症类型，目标是将图像分为正常、良性、原位癌和浸润癌四类。给定合适的训练数据集，我们利用深度学习技术来解决分类问题。由于训练数据集中每张图像尺寸较大，我们提出了一种基于图像块的技巧，其由两个连续的卷积神经网络组成。第一个“块级”网络充当自动编码器，提取图像块最显著的特征，而第二个“图像级”网络执行整幅图像的分类。第一个网络经过预训练，旨在提取局部信息，而第二个网络获取输入图像的全局信息。我们使用 ICIAR 2018 乳腺癌组织学 (BACH) 数据集大挑战赛的数据训练了这些网络。所提出的方法在验证集上达到了 95% 的准确率，而文献中先前报道的准确率为 77%。我们的代码公开于 https://github.com/ImagingLab/ICIAR2018。
引用
@article{arxiv.1803.04054,
title = {Two-Stage Convolutional Neural Network for Breast Cancer Histology Image Classification},
author = {Kamyar Nazeri and Azad Aminpour and Mehran Ebrahimi},
journal= {arXiv preprint arXiv:1803.04054},
year = {2018}
}
备注
10 pages, 5 figures, ICIAR 2018 conference