检测乳腺癌细胞中的有丝分裂(4)
2014-07-06 21:34
127 查看
文章题目是《Learning-based mitotic cell detection in histopathological images》
原理:分为个步骤,第一,分割出候选有丝分裂细胞;第二,利用纹理等特征检测出有丝分裂细胞。
这篇文章读起来挺简单的,都是我们所熟悉的,本文使用了两个开源工具,”ilastik”和”CellCognition” 。
1、分割出候选有丝分裂细胞
一个基于像素的分类器为候选集产生一个概率图,然后使用阈值进行分割。这一步骤中我们采用”ilastik”开源工具来实现。
第二,利用纹理等特征检测出有丝分裂细胞
上一步骤中可以产生一个候选集,我们使用已有的训练样本的纹理,强度,形状等特征训练SVM,然后利用SVM分类器在候选集上检测出有丝分裂的细胞。”CellCognition”工具在这一步骤中用来为训练样本做标记。
整个过程如下:
原理:分为个步骤,第一,分割出候选有丝分裂细胞;第二,利用纹理等特征检测出有丝分裂细胞。
这篇文章读起来挺简单的,都是我们所熟悉的,本文使用了两个开源工具,”ilastik”和”CellCognition” 。
1、分割出候选有丝分裂细胞
一个基于像素的分类器为候选集产生一个概率图,然后使用阈值进行分割。这一步骤中我们采用”ilastik”开源工具来实现。
第二,利用纹理等特征检测出有丝分裂细胞
上一步骤中可以产生一个候选集,我们使用已有的训练样本的纹理,强度,形状等特征训练SVM,然后利用SVM分类器在候选集上检测出有丝分裂的细胞。”CellCognition”工具在这一步骤中用来为训练样本做标记。
整个过程如下:
相关文章推荐
- 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(4)
- python机器学习-sklearn挖掘乳腺癌细胞(五)
- [035]Java实现SVM对乳腺癌检测数据分类分析
- 神经网络neuron network原理——python sklearn建模乳腺癌细胞分类器(推荐AAA)
- sklearn实战-乳腺癌细胞数据挖掘
- 曾患乳腺癌的MIT女教授,使用人工智能检测早期乳腺癌,准确率97%
- 乳腺癌全景图像转移检测相关论文整理(持续更新)
- 【OpenCV】基于kmeans的细胞检测方法
- 决策树decision tree原理介绍_python sklearn建模_乳腺癌细胞分类器(推荐AAA)
- 异常细胞检测
- 基于SLIC的细胞分割与检测
- 支持向量机SVM原理_python sklearn建模乳腺癌细胞分类器(推荐AAA)
- 检测异常细胞
- OpenJudge计算概论-异常细胞检测
- 【Matlab学习笔记】【细胞或颗粒检测分割】资源汇总
- 检测乳腺癌细胞中的有丝分裂(2)
- 检测乳腺癌细胞中的有丝分裂(1)
- Camelyon Challenge: 癌症细胞区域检测竞赛
- python机器学习-sklearn挖掘乳腺癌细胞(二)