We use deep max-pooling convolutional neural networks to detect mitosis in breast histology images. The networks are trained to classify each pixel in the images, using as context a patch centered on the pixel. Simple postprocessing is then applied to the network output. Our approach won the ICPR 2012 mitosis detection competition, outperforming other contestants by a significant margin

چکیده

ما از شبکه های عصبی کانولوشنی مکس- پولینگ عمیق برای تشخیص تقسیم میتوز در تصاویر بافت شناسی سینه استفاده می کنیم. این شبکه ها برای طبقه بندی هر پیکسل در تصاویر با استفاده از یک تکه مرکزی در پیکسل، آموزش داده می شوند. سپس یک پس پردازش ساده به خروجی شبکه اعمال می گردد. روش ارائه شده توسط ما در رقابت تشخیص تقسیم میتوز ICPR 2012 برنده شد که عملکرد آن نسبت به دیگر رقبا بسیار عالی بود.

1-مقدمه  

تعداد تقسیم های میتوز قابل مشاهده در بخش های قطعات بافتی نشانگری مهم برای غربالگری و ارزیابی سرطان می باشد. در حالت عادی، این شمارش به صورت دستی توسط متخصصین بافت انجام می پذیرد، اما خودکار شدن این فرایند می تواند زمان و هزینه ی آن را کاهش دهد (و از این رو آن را کاربردی تر نماید)، خطاها را کم کند و امکان مقایسه نتایج بدست آمده با آزمایشگاه های دیگر را بهبود بخشد...