理解图像与输入分辨率对深度数字病理块分类器的影响
计算机视觉与模式识别
2022-05-02 v1 组织与器官
摘要
我们考虑数字病理（DP）中的标注高效学习，其中专家标注昂贵因而稀缺。我们探究图像与输入分辨率对DP块分类性能的影响。我们使用两个癌症块分类数据集PCam与CRC来验证我们研究的结果。我们的实验表明，在标注稀缺与标注丰富的环境中，均可通过调控图像与输入分辨率来提升块分类性能。我们展示了在这两个数据集上图像与输入分辨率同块分类准确率之间的正相关关系。通过利用图像与输入分辨率，我们在少于1%数据上训练的最终模型，在PCam数据集上与原图像分辨率下使用100%数据训练的模型表现相当。
引用
@article{arxiv.2204.13829,
title = {Understanding the impact of image and input resolution on deep digital pathology patch classifiers},
author = {Eu Wern Teh and Graham W. Taylor},
journal= {arXiv preprint arXiv:2204.13829},
year = {2022}
}
备注
To appear in the Conference on Computer and Robot Vision (CRV), 2022