基于SSN的数据集预处理框架

刘 琅，徐中伟，梅 萌

(同济大学 电子与信息工程学院，上海 201804)

0 引 言

随着卷积神经网络的发展，计算机检测癌细胞成为了可能。但由于病理学数据集是由专门的医学机构提供的，不同机构所给出病理图片的染色状态却不尽相同，这就对计算机辅助诊断(computer-aided diagnosis，CAD)带来了一定的影响。Cho等[1]的研究表明，图片分类这种数据驱动类型的工作，数据集的质量对于模型的分类精度有着直接的影响。因此，在训练之前，对数据集进行精细的预处理就显得尤为重要。

现存的染色预处理算法可以分为3大类。第一类为基于颜色匹配的方法，如Liu等[2]提出的通过缩小原图片和目标图片在各个通道上的距离完成颜色的匹配。但该方法没有考虑到单个图片中由于染料本身带来的颜色差别，会存在颜色错误映射的情况。

第二类方法主要针对特定染色区域进行反卷积，如Alsubaie等[3]提出的染色反卷积算法，该方法需要知道整张切片图像(whole slide image，WSI)中每种染色的参考染色矢量(reference stain vector，RSV)。由于需要人工介入，这些基于RSV的手动估计算法的应用规模受到了限制。

第三类方法为染色分离法，在这种方法中，每一个通道被单独分离开来进行染色。Bojnordi等[4]提出了一种基于色相-饱和度-密度(hue-saturation-density，HSD)的颜色模型，对于每一个染色类别单独进行色度和密度分布的转换。但该方法没有将切片组织结构的空间特征考虑在内，且目标参考图片需要由组织病理学领域的专家进行挑选。

针对这些问题，本文提出了一种基……