乳腺癌图像中深度学习特征的无监督学习
图像与视频处理
2020-06-23 v1 计算机视觉与模式识别
机器学习
定量方法
摘要
在全切片图像中手动检测癌症需要在繁琐的过程中投入大量时间与精力。全切片图像分析的最新进展促进了基于机器学习方法的发展，提升了癌症疾病诊断的效率与有效性。本文提出一种用于检测乳腺浸润性癌（BRCA）全切片图像中癌症的无监督学习方法。所提方法完全自动化，在无监督学习过程中无需人工参与。我们展示了该方法在 BRCA 癌症检测中的有效性，并说明机器如何在无监督学习过程中选择最合适的簇。此外，我们给出一个原型应用，使用户能够选择相关组，并将全切片图像中与该组相关的所有区域进行映射。
引用
@article{arxiv.2006.11843,
title = {Unsupervised Learning of Deep-Learned Features from Breast Cancer Images},
author = {Sanghoon Lee and Colton Farley and Simon Shim and Yanjun Zhao and Wookjin Choi and Wook-Sung Yoo},
journal= {arXiv preprint arXiv:2006.11843},
year = {2020}
}
备注
7 pages for IEEE BIBE