Feature extraction from histopathological images based on nucleus-guided convolutional neural network for breast lesion classification

استخراج ویژگی یک جنبه مهم و چالش برانگیز در تشخیص کامپیوتری سرطان پستان با تصاویر هیستوپاتولوژیک است. در سال های اخیر، بسیاری از روش های یادگیری ماشین برای به دست آوردن ویژگی های از تصاویر هیستوپاتولوژیک معرفی شده است. در این مطالعه، یک چارچوب استخراج ویژگی جدید مبتنی بر هسته مبتنی بر شبکه عصبی کانولوشن برای تصاویر هیستوپاتولوژی پیشنهاد شده است. هسته ها ابتدا از تصاویر تشخیص داده می شوند، و سپس برای آموزش یک شبکه عصبی کانولوشه ای طراحی شده با سه ساختار سلسله مراتبی مورد استفاده قرار می گیرند. از طریق شبکه آموزش دیده، ویژگی های سطح تصویر شامل الگوی و توزیع فضایی هسته استخراج می شود. ویژگی های پیشنهادی از طریق آزمایش طبقه بندی در پایگاه داده تصویر هیستوپاتولوژیک ضایعات پستان ارزیابی می شود. نتایج تجربی نشان می دهد که ویژگی های استخراج شده به طور موثر تصویر های هیستوپاتولوژیک را نشان می دهند و چارچوب پیشنهادی، عملکرد طبقه بندی بهتر برای ضایعات پستان را در مقایسه با روش های مقدماتی پیشرفته تر می کند.