ICMLJul, 2020

C2G-Net：利用形态属性进行图像分类

PDF
TL;DR该研究提出了一种名为 C2G-Net 的图像分类管道，旨在利用具有大量类似物体（如生物细胞）的图像的形态特性。C2G-Net 包括两个组成部分：(1) Cell2Grid，一种通过细胞分割并将其排列在网格上的图像压缩算法；(2) DeepLNiNo，一个具有不到 10,000 个可训练参数的 CNN 体系结构，旨在简化模型的可解释性。与在原始图像上训练的传统 CNN 架构相比，C2G-Net 在预测结肠癌复发风险方面的准确率相似，但训练时间缩短了 85％，其模型更易于解释。
image classificationmorphological propertiescell segmentationcnn architecturecolon cancer
发现论文，激发创造
  • CGC-Net：用于结直肠癌组织学图像分级的细胞图卷积网络

    使用细胞图卷积神经网络（CGC-Net）将大肠癌组织学图像转化为图形，并采用 Adaptive GraphSage 技术融合不同层级的特征，以有效地对普通基于补丁的方法及上下文相关的基于补丁的技术进行超越，描述新型的 CRC 分级方法。

    Sep, 2019

  • C2P-GCN: 细胞到区块图卷积网络用于结直肠癌分级

    我们提出了一种新颖的细胞至块状图卷积网络 (C2P-GCN)，该方法通过双阶段图形构建，将整个 WSI 的结构数据整合到单个图中，有效地在腺癌病理图像中收集局部结构细节，并在所有块状图像之间建立有意义的连接。C2P-GCN 通过将整个 WSI 的结构数据整合到单个图中，使我们的模型能够使用比最新的结直肠癌模型更少的训练数据，实验证明了我们方法的有效性。

    Mar, 2024

  • 非对称共同训练结合可解释性细胞图集成在组织病理图像分类中的应用

    使用深度图卷积网络和卷积神经网络结合的非对称同时训练框架提升多类组织病理图像分类的解释性和性能。

    Aug, 2023

  • 基于形态和外观卷积神经网络的子宫颈细胞细粒度分类

    本研究提出了一种基于 CNN 的方法，通过结合细胞图像外观和形态学信息对 Pap 样本中的宫颈细胞进行分类，在 Herlev 宫颈数据集上验证了此方法的分类精度高于传统的手工特征分类方法，可用于宫颈病变的早期诊断。

    Oct, 2018

  • CellGAN: 用于增强细胞病理图像分类的条件性宫颈细胞合成

    本文提出了基于 CellGAN 的 TCT 细胞病理学图像合成方法，用于增强细胞类型分类，并验证了该方法的有效性。

    Jul, 2023

  • 基于神经网络的千兆级组织病理图像压缩分析

    本文提出了一种名为神经图像压缩（NIC）的两步方法来构建卷积神经网络，以仅使用弱的图片级标签对吉盘素级图像进行分析。

    Nov, 2018

  • PHG-Net：基于持久同调引导的医学图像分类

    我们提出了一种名为 PHG-Net 的方法，利用持久同调技术来探索医学图像分类中的拓扑特征，通过轻量级的 PH 模块将拓扑特征与卷积神经网络或 Transformer 结合，实现综合特征提取和融合，从而在目标分类任务中显著改善了现有方法。

    Nov, 2023

  • 组织病理学中的直方图图表

    本论文在组织切片图像中，使用图卷积网络 (Graph Convolutional Networks, GCNs) 对细胞的多属性空间图进行建模，通过提取细胞空间排列的复杂特征以实现肿瘤分类，得到了与 Inception-v3 相当的分类准确率。

    Aug, 2019

  • G-CNN：一种基于迭代网格的物体检测器

    G-CNN 是一种基于 CNN 的目标检测技术，通过对固定边界框的移动和缩放以及径向搜索，将目标检测建模为从固定网格到紧密围绕目标的边界框的路径查找，比起传统提案算法的方法可以在较少数量的边界框的同时提高检测速度。

    Dec, 2015

  • G2C: 一种生成器到分类器框架，整合多重染色的视觉提示用于病理性肾小球分类

    该论文提出了一种名为 G2C 的两阶段框架，该框架通过将来自指定染色的输入图像应用于多个生成器来整合多种染色的视觉线索进行肾小球分类，然后使用分类器将不同染色的视觉线索组合以预测其是否具有病理属性或者是什么类型的病理属性，并在自己收集的肾小球类型分类数据集以及一个公共数据集中进行了实验验证。

    Jun, 2018