利用卷积神经网络测定猫网织红细胞百分比
计算机视觉与模式识别
2018-03-15 v2
摘要
人工智能(AI)尤其是计算机视觉(CV)与深度学习(DL)的最新进展，为众多领域的新颖系统创造了机会。过去几年中，深度学习应用不仅在自动驾驶与机器人等领域展现出令人印象深刻的成果，也在医学领域——某些情况下甚至超越人类水平表现——取得了成绩。然而，尽管潜力巨大，基于深度学习的方法在许多领域的采用仍然缓慢，特别是在兽医医学中，我们未能找到任何使用现代卷积神经网络(CNNs)进行医学图像处理的研研究论文。我们相信，基于深度学习的医学影像能够实现兽医医学中更准确、更快速且更廉价的诊断。然而，要做到这一点，这些方法必须对该领域所有人可用，而非仅限计算机科学家。为展示该技术潜力，我们呈现了一项兽医医学中通常手动完成的真实世界任务的结果：猫网织红细胞百分比。使用Single-Shot MultiBox Detector (SSD)模型架构的开源Keras实现，并在仅800张标注图像上训练，我们在猫血涂片显微镜图像中预测聚集网织红细胞正确数量的准确率达到98.7%。本文主要动机不仅在于展示深度学习在此类任务上可接近或超越人类水平表现，也在于展示该领域任何人——即便无计算机科学背景——都能实现它。
引用
@article{arxiv.1803.04873,
title = {Using Convolutional Neural Networks for Determining Reticulocyte Percentage in Cats},
author = {Krunoslav Vinicki and Pierluigi Ferrari and Maja Belic and Romana Turk},
journal= {arXiv preprint arXiv:1803.04873},
year = {2018}
}
备注
10 pages, 2 figures