全切片图像上像素级分割模型的弱监督训练
图像与视频处理
2019-07-19 v2 机器学习
机器学习
摘要
我们提出了一种在弱监督设定下于全切片图像上训练像素级分割模型的新方法。该模型被训练用于分类从切片中提取的图像块。这使得训练在带噪标签数据下进行。我们通过两种互补策略解决该问题。首先，利用模型的知识在线采样图像块，聚焦于模型置信度较高的区域。其次，我们提出了一种对噪声标签鲁棒的KL散度扩展。我们在CAMELYON 16数据集上的初步实验显示出有前景的结果。该模型能成功分割肿瘤区域并具有强形态一致性。
引用
@article{arxiv.1905.12931,
title = {Weakly supervised training of pixel resolution segmentation models on whole slide images},
author = {Nicolas Pinchaud},
journal= {arXiv preprint arXiv:1905.12931},
year = {2019}
}
备注
Performance update