基于弱监督学习的共聚焦激光内显微镜胶质瘤图像特征定位
计算机视觉与模式识别
2018-08-21 v2
摘要
共聚焦激光内显微镜（CLE）是一种新型手持式荧光成像设备，在脑肿瘤组织的快速术中诊断中已显示出前景。目前 CLE 仅能显示图像，缺乏辅助外科医生分析图像的自动系统。本项目的目标是开发一种具有特征定位功能、用于人胶质瘤 CLE 成像的计算机辅助诊断方法。尽管近年来目标检测与图像分割方法取得巨大进展，但此类方法大多需要大量标注数据集进行训练。然而，由医生手动标注数千张组织病理学图像成本高且耗时。为克服该问题，我们提出一种基于弱监督学习（WSL）的特征定位模型，该模型在图像级标注上训练，随后在测试图像中定位感兴趣类别的出现位置。我们通过采用一种新颖的、受侧抑制与侧整合的多尺度激活图，开发了用于 CLE 图像诊断特征定位的新型卷积神经网络。为验证我们的方法，我们将所提模型的输出与四位神经外科医生在测试图像上的手动标注进行比较。所提模型在中间特征上达到88%平均准确率和86%平均交并比，在限制性精细特征上达到87%平均准确率和88%平均交并比，同时优于所测试的其他 SOTA 方法。该系统可在手术中提高胶质瘤组织 CLE 图像表征的准确率与效率，增强关于肿瘤边界的术中决策过程并影响切除率。
引用
@article{arxiv.1804.09428,
title = {Weakly-Supervised Learning-Based Feature Localization in Confocal Laser Endomicroscopy Glioma Images},
author = {Mohammadhassan Izadyyazdanabadi and Evgenii Belykh and Claudio Cavallo and Xiaochun Zhao and Sirin Gandhi and Leandro Borba Moreira and Jennifer Eschbacher and Peter Nakaji and Mark C. Preul and Yezhou Yang},
journal= {arXiv preprint arXiv:1804.09428},
year = {2018}
}
备注
Accepted in MICCAI 2018