基于多通道低秩自动编码器的组织病理图像分类方法

摘要

组织病理图像的识别和分类在疾病诊断中发挥着极其重要的作用。近年来随着智慧医疗的蓬勃发展，基于人工智能的医学图像分类技术可以辅助病理学家提高诊断速度、降低误诊率。因此提出了一种基于多通道低秩自动编码器（Multi-channel low rank autoencoder,MLRA）用于组织病理图像分类。首先，将从三原色光模式提取多通道特征投影到具有低秩约束的共享潜在子空间，得到多通道特征的共享潜在表示。共享潜在表示分成无噪声的低秩表示和噪声数据两部分，低秩表示部分用于挖掘多通道特征的结构信息，而噪声数据则在潜在子空间被去除。然后，利用训练样本的监督信息将共享潜在表示投影到标签空间，引入松弛标签和ε-dragging技术，并对子类松弛标签矩阵施加低秩约束保证同类别标签矩阵具有一致的低秩性，得到判别性强的投影矩阵。在ADL和BreakHis数据集上的实验结果表明，提出的MLRA方法有效提高组织病理图像的分类精度且鲁棒性强。

关键词

多通道 / 自动编码器 / 低秩 / 组织病理图像 / 分类