检测乳腺癌细胞中的有丝分裂(2)
2014-07-03 15:22
113 查看
《Mitosis Detection in Breast Cancer Histology Images with Deep Neural Networks》这篇文章采用的方法取得了很好的效果,在ICPR2012检测有丝分裂比赛中获得了第一。
原理:
使用了深度神经网络(DNN)来检测乳腺癌细胞中的有丝分裂,自己去了解DNN的原理吧。本文采用滑动窗口在原图片上取样(用一个小的矩形),然后再在上面使用DNN检测。
过程:
我们的目的是寻找
这么个集合,每个元素代表一个有丝分裂的核的质心位置。
采用给出的已标记的样本,我们训练一个分类器,样本中每个像素有一个标记(有丝分裂或不是有丝分裂),那些离有丝分裂核中心很近的像素点也属于有丝分裂。对于每一个需要预测的像素点p,我们使用一个以p为中心的滑动窗口取样,然后再在上面使用DNN预测。
在本文提出的方法中,要点在于两个:1、理解DNN;2、理解其训练测试过程。
DNN属于机器学习范畴,大家自己去学习吧,我们来说说本文的第二要点。
了解DNN的原理的话,训练过程应该就明白了,要注意的是,在这里,作者认为给出的正样本太少,我们可以通过任意旋转取样矩形来获取更多的正样本,同时也解决了检测过程中的旋转不变性。
下面来看看怎样处理一个要测试的图片:
对于一个要处理的图片I,我们在所有的取样窗口上使用DNN,每个窗口的中心必须在图片边界以内,这样就可以产生一个概率图M(给每个像素赋予了接近有丝分裂核中心的概率),再与一个以d个像素为半径的圆形核函数做卷积,可以产生一个平滑处理后的概率图Mf,Mf的局部最大值被认为是每个有丝分裂核的中心。
简单来说,如下面图所示:
原图I (使用 DNN)——>概率图M(与半径为d的圆形核函数做卷积)——>平滑后的概率图Mf——>Mf的局部最大值为有丝分裂核的中心。
前面说过我们的目的是得到
,那么该怎么得到呢?
1、首先将D设置为空;
2、迭代下面步骤:
a、假设pm是Mf中的一个局部最大值点,将它的位置归入D中;
b、将Mf(p)置为0若p与pm距离小于给定的2d值。
3、直到所有Mf(pi)值都小于阈值t。
原理:
使用了深度神经网络(DNN)来检测乳腺癌细胞中的有丝分裂,自己去了解DNN的原理吧。本文采用滑动窗口在原图片上取样(用一个小的矩形),然后再在上面使用DNN检测。
过程:
我们的目的是寻找
这么个集合,每个元素代表一个有丝分裂的核的质心位置。
采用给出的已标记的样本,我们训练一个分类器,样本中每个像素有一个标记(有丝分裂或不是有丝分裂),那些离有丝分裂核中心很近的像素点也属于有丝分裂。对于每一个需要预测的像素点p,我们使用一个以p为中心的滑动窗口取样,然后再在上面使用DNN预测。
在本文提出的方法中,要点在于两个:1、理解DNN;2、理解其训练测试过程。
DNN属于机器学习范畴,大家自己去学习吧,我们来说说本文的第二要点。
了解DNN的原理的话,训练过程应该就明白了,要注意的是,在这里,作者认为给出的正样本太少,我们可以通过任意旋转取样矩形来获取更多的正样本,同时也解决了检测过程中的旋转不变性。
下面来看看怎样处理一个要测试的图片:
对于一个要处理的图片I,我们在所有的取样窗口上使用DNN,每个窗口的中心必须在图片边界以内,这样就可以产生一个概率图M(给每个像素赋予了接近有丝分裂核中心的概率),再与一个以d个像素为半径的圆形核函数做卷积,可以产生一个平滑处理后的概率图Mf,Mf的局部最大值被认为是每个有丝分裂核的中心。
简单来说,如下面图所示:
原图I (使用 DNN)——>概率图M(与半径为d的圆形核函数做卷积)——>平滑后的概率图Mf——>Mf的局部最大值为有丝分裂核的中心。
前面说过我们的目的是得到
,那么该怎么得到呢?
1、首先将D设置为空;
2、迭代下面步骤:
a、假设pm是Mf中的一个局部最大值点,将它的位置归入D中;
b、将Mf(p)置为0若p与pm距离小于给定的2d值。
3、直到所有Mf(pi)值都小于阈值t。
相关文章推荐
- 检测乳腺癌细胞中的有丝分裂(1)
- 检测乳腺癌细胞中的有丝分裂(3)
- 检测乳腺癌细胞的有丝分裂的(3)
- 检测乳腺癌细胞中的有丝分裂(4)
- 肿瘤细胞藉由细胞自噬逃避死亡
- 细胞通讯与细胞信号转导的分子机理
- 多核与多细胞的巧合
- [细胞生命进化理论]关于基因文明的演化道路的一些思考
- 细胞统计学习总结
- 模仿细胞的分裂--彩图,动态
- 为什么缺钙会导致神经细胞兴奋性升高?
- 关于细胞传输模型的简单介绍
- 人类肝癌细胞中ECM1,ATF5,和EOMES的DNA甲基化和羟甲基化揭示肿瘤抑制作用的综合分析 Integrated analyses of DNA methylation and hydroxym
- 认知神经科学--细胞机制与认知
- BZOJ2323 [ZJOI2011]细胞
- 【洛谷T7152】(考试题目)细胞
- 点亮细胞11-20
- 点亮细胞121-130
- 基于经典分割算法的图像内细胞识别与计数(matlab实现)(不定期更新完善)
- matlab图像处理关于细胞计数