任务引导的径向基网络对乳腺病理图像有丝分裂检测
Task-Guided Radial Basis Function Network for Mitosis Detection in Breast Histopathology Images作者机构：中南民族大学生物医学工程学院湖北武汉430074 青岛大学附属烟台毓璜顶医院医学工程处山东烟台264001
出 版 物：《电子学报》 (Acta Electronica Sinica)
年 卷 期：2023年第51卷第11期
页 面：3146-3154页
核心收录：
学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）]
基 金：中央高校基本科研业务费专项资金(No.CZY22014)
主 题：有丝分裂检测 径向基函数 K-means聚类 深监督 弱标签
摘 要：有丝分裂数目是判别乳腺癌恶性程度的重要指标,在诊断、治疗及预后中具有重要的意义.然而,在临床实践上乳腺癌切片中有丝分裂细胞的检测主要是通过病理学医生进行人工计数,这个过程繁琐耗时且具有很强主观性.本文提出了一种乳腺病理图像有丝分裂自动检测的两阶段方法.在第一个阶段,利用卷积神经网络作为主干融合深监督与注意力机制进行有丝分裂细胞候选块的定位.在第二个阶段,将获取的候选块输入融合了径向基函数网络的验证模型,进一步提高有丝细胞识别准确率.针对有丝细胞类内存在较大差异的问题,本文通过任务来引导径向基函数中心的确定,利用径向基函数的“局部响应特性来表达有丝分裂细胞的形态多样性.通过在弱标签数据集ICPR 2014和AMIDA 2013上进行评估,本文所提出的网络模型取得了最优的F-score,与竞争方法相比,分别提高了5.4%和3.0%,从而证明了该方法对于有丝分裂检测的有效性.
维普期刊数据库
同方期刊数据库