Complete three-phase detection framework for identifying abnormal cervical cells
Complete three-phase detection framework for identifying abnormal cervical cells
复制标题
识别异常宫颈细胞的完整三阶段检测框架
DOI：
10.1049/iet-ipr.2016.0788
复制
发表时间：
2017-01
影响因子：
2.3
通讯作者：
Wang Siqi
中科院分区：
文献类型：
--
作者：
Zhao Lili;Li Kuan;Yin Jianping;Liu Qiang;Wang Siqi
在妇女每年的宫颈癌筛查中，对异常宫颈细胞的自动识别提出了很高的要求，包括特征表示、特征组合和分类策略。然而，以往的方法只涉及这三个阶段中的一个或两个阶段，目前还很少有完整的框架来解决这一问题。提出了一种新的三阶段增强框架，用于检测宫颈涂片图像中的异常细胞。首先，从细胞学形态、染色质病理和区域强度三个方面提取每个宫颈细胞的160个维度特征。特别是，106维染色质病理特征被新采用来描述核的纹理转变。其次，引入了一种自适应特征组合方法来选择最优的特征模式，该方法利用基于增强边缘的方法和启发式知识将所有特征组合在一起。最后，提出了一种两阶段分类策略，利用两种不同的分类器来减少错误分类异常细胞。实验结果达到了最先进的性能，并且该框架的性能优于其他16种比较的检测方法。
Automatic identification of abnormal cervical cells, including feature representation, feature combination and classification strategy, is highly demanded in women's annual cervical cancer screenings. However, previous methods only deal with one or two of these three phases, and currently there is few complete framework for this problem. A novel three-phrase boosting framework is proposed for the detection of abnormal cells from cervical smear images. First, the authors extract 160 dimensional features with respect to each cervical cell from three aspects, including cytology morphology, chromatin pathology and region intensity. In particular, 106 dimensional chromatin pathology features are newly adopted to describe the nucleus textural transformation. Second, an adaptive feature combination method is introduced to select the optimal feature patterns, which can combine all features using a reinforced margin-based approach with the heuristic knowledge. Finally, a two-stage classification strategy is presented to reduce erroneous classification abnormal cells using two different classifiers. Experimental results achieve state-of-the-art performance and the proposed framework outperforms the other 16 compared detection methods.
登录
查看更多内容
DOI：
10.1587/elex.12.20150161
发表时间：
2015-05
期刊：
IEICE Electron. Express
影响因子：
--
作者：
Song Guo;Y. Dou;Yuanwu Lei;Guiming Wu
通讯作者：
Song Guo;Y. Dou;Yuanwu Lei;Guiming Wu
DOI：
--
发表时间：
2003
期刊：
--
影响因子：
--
作者：
E. Martin
通讯作者：
E. Martin
DOI：
10.1109/wccct.2014.89
发表时间：
2014-02
期刊：
2014 World Congress on Computing and Communication Technologies
影响因子：
--
作者：
G. Lakshmi;K. Krishnaveni
通讯作者：
G. Lakshmi;K. Krishnaveni
影响因子：
--
作者：
Zhao M;Chen L;Bian L;Zhang J;Yao C;Zhang J
通讯作者：
Zhang J
DOI：
10.1016/j.compmedimag.2016.01.002
发表时间：
2016-04-01
影响因子：
5.7
作者：
Kaur, Sarabpreet;Sahambi, J. S.
通讯作者：
Sahambi, J. S.