基于卷积对抗自编码器的 H&E 切片无监督前列腺癌检测
计算机视觉与模式识别
2018-04-20 v1 机器学习
摘要
我们提出一种无监督方法，使用自聚类卷积对抗自编码器在无需任何标注训练数据的情况下将前列腺组织分类为肿瘤或非肿瘤。该聚类方法被集成到自编码器的训练过程中，仅需少量后处理。我们的网络在苏木精-伊红（H&E）输入块上训练，并测试了两种不同的重建目标：H&E 和免疫组化（IHC）。我们表明，利用 IHC 进行的抗体驱动特征学习有助于网络学习聚类任务的相关特征。我们的网络仅使用一小部分验证标签来将类别分配给簇，即达到了 0.62 的 F1 分数。
引用
@article{arxiv.1804.07098,
title = {Unsupervised Prostate Cancer Detection on H&E using Convolutional Adversarial Autoencoders},
author = {Wouter Bulten and Geert Litjens},
journal= {arXiv preprint arXiv:1804.07098},
year = {2018}
}