ISSN在线(2320 - 9801)打印(2320 - 9798)
一个健壮的深度学习日常检测细胞核组织病理学图像
自动检测细胞在组织病理学图像具有挑战性的是由于大的变化大小、密度、和批处理变化。核检测癌症进展和预后评价提供了有用的信息。最经典核检测方法的性能依赖于适当的数据选择。这些方法需要专家来创建有用的特性。另一方面,深度学习可以从数据自动提取特性集,不需要由专家特征提取器的设计。在这个工作中,提出了一种新的深度学习方法增强学习连续映射)图像补丁围绕原子核质心核距离地图。我们的方法制定问题作为一个连续的回归问题,构建一个完全卷积回归网络。在这种方法中,它处理部分检测、形状不规则,邻国核,和不同的核大小和颜色。我们训练的网络结直肠公开数据集的数据集。工作评估与人类骨髓数据集没有重新训练并取得了卓越的结果。
莱斯Alzubaidi1,拉贾Daami Resan2, Huda Abdul_hussain3,海德尔a . Al-Wzwazy4 Hayder Albehadili5
阅读全文下载全文