有哪些信誉好的足球投注网站- 1、本文档共10页，可阅读全部内容。
- 2、有哪些信誉好的足球投注网站（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
查看更多
一种病理图像的自动标注的机器学习方法
计算机研究与发展
ＤＯＩ：１０．７５４４?ｉｓｓｎ１０００－１２３９ ．２０１５ Ｊｏｕｒｎａｌ ｏｆ Ｃｏｍｐｕｔｅｒ Ｒｅｓｅａｒｃｈ ａｎｄ Ｄｅｖｅｌｏｐｍｅｎｔ ５２（９）：２１３５－２１４４，２０１５
一种病理图像自动标注的机器学习方法
张 钢 钟 灵 黄永慧
广东工业大学自动化学院 广州
（ ５１０００６）
（ｉｐｘ＠ｇｄｕｔ．ｅｄｕ．ｃｎ）
Ａ Ｍａｃｈｉｎｅ Ｌｅａｒｎｉｎｇ Ｍｅｔｈｏｄ ｆｏｒ Ｈｉｓｔｏｐａｔｈｏｌｏｇｉｃａｌ Ｉｍａｇｅ Ａｕｔｏｍａｔｉｃ Ａｎｎｏｔａｔｉｏｎ
Ｚｈａｎｇ Ｇａｎｇ，Ｚｈｏｎｇ Ｌｉｎｇ，ａｎｄ Ｈｕａｎｇ Ｙｏｎｇｈｕｉ
（Ｓｃｈｏｏｌ ｏｆ Ａｕｔｏｍａｔｉｏｎ，Ｇｕａｎｇｄｏｎｇ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ，Ｇｕａｎｇｚｈｏｕ５１０００６）
Ａｂｓｔｒａｃｔ Ｈｉｓｔｏｐａｔｈｏｌｏｇｉｃａｌ ｉｍａｇｅ ｃａｎ ｒｅｖｅａｌ ｔｈｅ ｒｅａｓｏｎ ａｎｄ ｓｅｖｅｒｉｔｙ ｏｆ ｄｉｓｅａｓｅｓ，ｗｈｉｃｈ ｉｓ ｉｍｐｏｒｔａｎｔ
ｆｏｒ ｃｌｉｎｉｃａｌ ｄｉａｇｎｏｓｉｓ．Ａｕｔｏｍａｔｉｃ ａｎａｌｙｓｉｓ ｏｆ ｈｉｓｔｏｐａｔｈｏｌｏｇｉｃａｌ ｉｍａｇｅ ｍａｙ ｒｅｌｅａｓｅ ｄｏｃｔｏｒｓ ｂｕｒｄｅｎ ｆｏｒ
ｍａｎｕａｌ ａｎｎｏｔａｔｉｏｎ ｗｈｉｃｈ ｃａｎ ｐｒｅｓｅｒｖｅ ｍｏｒｅ ｔｉｍｅ ｆｏｒ ｄｏｃｔｏｒｓ ｔｏ ｆｏｃｕｓ ｏｎ ｓｐｅｃｉａｌ ａｎｄ ｄｉｆｆｉｃｕｌｔ ｃａｓｅｓ．
Ｈｏｗｅｖｅｒ，ｔｈｅ ａｍｂｉｇｕｏｕｓ ｒｅｌａｔｉｏｎｓｈｉｐ ｂｅｔｗｅｅｎ ｌｏｃａｌ ｒｅｇｉｏｎｓ ｉｎ ａ ｈｉｓｔｏｐａｔｈｏｌｏｇｉｃａｌ ｉｍａｇｅ ａｎｄ
ｈｉｓｔｏｐａｔｈｏｌｏｇｉｃａｌ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｍａｋｅｓ ｉｔ ｄｉｆｆｉｃｕｌｔ ｔｏ ｃｏｎｓｔｒｕｃｔ ａ ｃｏｍｐｕｔｅｒ－ａｉｄ ｍｏｄｅｌ．Ａｎ ａｕｔｏｍａｔｉｃ
ａｎｎｏｔａｔｉｏｎ ｍｅｔｈｏｄ ｆｏｒ ｈｉｓｔｏｐａｔｈｏｌｏｇｉｃａｌ ｉｍａｇｅｓ ｂａｓｅｄ ｏｎ ｍｕｌｔｉｐｌｅ－ｉｎｓｔａｎｃｅ ｍｕｌｔｉｐｌｅ－ｌａｂｅｌ （ＭＩＭＬ）
ｌｅａｒｎｉｎｇ ｉｓ ｐｒｏｐｏｓｅｄ，ａｉｍｉｎｇ ａｔ ｄｉｒｅｃｔｌｙ ｍｏｄｅｌｉｎｇ ｔｈｅ ｍｅｄｉｃａｌ ｅｘｐｅｒｉｅｎｃｅ ｏｆ ｄｏｃｔｏｒｓ，ｗｈｉｃｈ ｓｕｇｇｅｓｔｓ
ｔｈａｔ ｅａｃｈ ａｎｎｏｔａｔｅｄ ｔｅｒｍ ａｓｓｏｃｉａｔｅｄ ｗｉｔｈ ａｎ ｉｍａｇｅ ｃｏｒｒｅｓｐｏｎｄｓ ｔｏ ａ ｌｏｃａｌ ｖｉｓｕａｌｌｙ ｒｅｃｏｇｎｉｚｅｄ ｒｅｇｉｏｎ．
Ｗｅ ｐｒｏｐｏｓｅ ａ ｓｅｌｆ－ａｄａｐｔｉｖｅ ｒｅｇｉｏｎ ｃｕｔｔｉｎｇ ｍｅｔｈｏｄ ｗｉｔｈ ｃｏｎｓｔｒａｉｎｔｓ，ｔｏ ｓｅｇｍｅｎｔ ｅａｃｈ ｉｍａｇｅ ｉｎｔｏ ｓｅｖｅｒａｌ
ｖｉｓｕａｌｌｙ ｄｉｓｊｏｉｎｔ ｒｅｇｉｏｎｓ，ａｎｄ ｔｈｅｎ ｐｅｒｆｏｒｍ ａ ｆｅａｔｕｒｅ ｅｘｔｒａｃｔｉｏｎ ｆｏｒ ｅａｃｈ ｇｅｎｅｒａｔｅｄ ｒｅｇｉｏｎ ｂａｓｅｄ ｏｎ
ｔｅｘｔｕｒｅ ａｎｄ ｉｎｎｅｒ ｓｔｒｕｃｔｕｒｅｓ．Ｔｈｅ ｗｈｏｌｅ ｉｍａｇｅ ｉｓ ｒｅｇａｒｄｅｄ ａｓ ａ ｂａｇ ａｎｄ ｒｅｇｉｏｎｓ ａｓ ｉｎｓｔａｎｃｅｓ，ｔｈｕｓ ａｎ
ｉｍａｇｅ ｉｓ ｅｘｐｒｅｓｓｅｄ ａｓ ａ ｍｕｌｔｉｐｌｅ－ｉｎｓｔａｎｃｅ ｓａｍｐｌｅ．Ｔｈｅｎ ｗｅ ｐｒｏｐｏｓｅ ａ ｓｐａｒｓｅ ｅｎｓｅｍｂｌｅ ｍｕｌｔｉｐｌｅ－
ｉｎｓｔａｎｃｅ ｍｕｌｔｉｐｌｅ－ｌａｂｅｌ ｌｅａｒｎｉｎｇ ａｌｇｏｒｉｔｈｍ，Ｓ－ＭＩＭＬＧＰ，ｂａｓｅｄ ｏｎ Ｂａｙｅｓｉａｎ ｌｅａｒｎｉｎｇ，ａｎｄ ｃｏｍｐａｒｅ ｉｔ
ｗｉｔｈ ｃｕｒｒｅｎｔ ｍｕｌｔｉｐｌｅ－ｉｎｓｔａｎｃｅ ｓｉｎｇｌｅ ｌａｂｅｌ ａｎｄ ｍｕｌｔｉｐｌｅ－ｉｎｓｔａｎｃｅ ｍｕｌｔｉｐｌｅ－ｌａｂｅｌ ａｌｇｏｒｉｔｈｍｓ．Ｔｈｅ
ｅｖａｌｕａｔｉｏｎ ｏｎ ａ ｃｌｉｎｉｃａｌ ｄａｔａｓｅｔ ｆｒｏｍ ｔｈｅ ｄｅｒｍ
文档评论（0）