基于多距离测度异质集成学习的结肠病理图像细粒度分类研究

作     者：梁美彦 范莹莹 王琳 LIANG Meiyan;FAN Yingying;WANG Lin

作者机构：山西大学物理电子工程学院太原030006 山西白求恩医院(山西医学科学院同济山西医院)山西医科大学第三医院太原030032 华中科技大学同济医学院附属同济医院武汉430030 

出 版 物：《计算机科学》 (Computer Science)

年 卷 期：2024年第51卷第S1期

页      面：349-355页

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：国家自然科学基金(11804209) 山西省自然科学基金(201901D211173,202103021223411) 山西省高等学校科技创新资助项目(2019L0064) 

主　　题：集成学习 细粒度分类 距离测度 病理图像 微卫星分型 

摘      要：结肠病理学图像的细粒度分类对癌症治疗和预后评估都具有重要意义。然而,结肠病理学图像尤其是其组织学亚型图像在形态上极为相似,通过人工的方法进行高精度识别面临着巨大的挑战。而基于单个模型的计算机辅助诊断方法容易产生预测偏差。为此,提出了多距离测度异质集成学习的细粒度分类方法对结肠病理学微卫星状态进行分型预测。该方法分别通过余弦距离、曼哈顿距离与欧氏距离在潜在空间上度量每个基学习器输出的置信分数与理想解的差距,来集成不同基学习器的预测,再通过融合这些距离来提高模型的整体决策性能。实验结果表明,该方法在结肠病理学图像细粒度分类任务上,分类准确率、精确率、召回率与F-1分值都达到了94%以上,为病理学图像的亚型分类提供了新的视角。