多半径LBP特征作为全幻灯组织病理学图像中快速肾小球检测和评估的工具
摘要：用一种改进的局部二进制模式（LBP）图像特征向量，通过训练支持向量机（SVM）模型，对大型（约1 gigapixel）病理学全扫描图像（WSIs）中的细小肾脏组织切片和活检的肾小球进行自动分割的简单而有效的方法。我们的方法能够准确地从WSIs中提取肾小球（>90%），并具有合理的召回率（>70%），适用于多种物种（包括小鼠、大鼠和人类）的肾小球，并且对于不同的染色方法具有鲁棒性。使用5个Intel(R) Core(TM) i7-4790 CPU和40 GB的RAM，我们的方法通常需要约15秒进行训练，约2分钟从WSI中提取可重复的肾小球。通过将训练用于肾小球识别的深度卷积神经网络与SVM配合使用，可以将假阳性降低到3%以下。我们还将基于LBP的描述符应用于成功检测糖尿病肾病小鼠模型中的病理变化。我们设想这种方法在研究和诊断肾小球疾病以及加速组织结构和病理学的深度学习研究中具有潜在的临床和实验室应用。
作者：Olivier Simon, Rabi Yacoub, Sanjay Jain, and Pinaki Sarder
论文ID：1709.01998
分类：Tissues and Organs
分类简称：q-bio.TO
提交时间：2017-09-21