文献阅读
Morphogo: An Automatic Bone Marrow Cell Classification System on Digital Images Analyzed by Artificial Intelligence
骨髓血细胞检测难点
- 正常骨髓中的细胞类别较多，包含处于不同发育阶段从早期到功能成熟的的间充质细胞、内皮细胞和造血细胞
Human-level recognition of blast cells in acute myeloid leukaemia with convolutional neural networks
- 数字化过程，使用低倍镜，选择单层细胞且无重叠区域，每个细胞的形态学特征可以更好的被识别，将细胞划分与 AML 的形态学分类相关的子类别。对于每个AOI，使用100倍的油浸镜挑选并标注100个左右的白细胞。
- 观察者间的差异，多人对同一批数据进行标注。 观察者内部的差异与自我一致性，多个月后同一人重新标注。
- 采用Resnext网络，采用五折交叉验证进行训练，对于数据集采用随机划分的方式。可以按病人进行划分，避免训练与测试集的相关性，但是检测结果差别不大。
- 类别不均衡问题采用旋转，随机水平或者垂直反转来扩充数据集。
- 评价指标，准确率、敏感性、特异性。positave与negative是指是否属于某一个特定类别的数量。TP与TF为网络正确判定是否属于该类别图像的数量。
- gold standard annotation 最佳标注的一种描述。通过该细胞与其他区域细胞的对比确定该细胞的类别。
- 描述网络检测结果 混淆矩阵，特征图
Hierarchical Vision Transformer using Shifted Windows
- 自然语言处理与视觉任务的差别，视觉目标尺寸变化较大 ，而自然语言处理中的word token大小固定。对于高分图像，self-attention计算复杂度是图像的大小的平方时间复杂度。
- shift of the window
- VIT缺点 在密集的视觉任务或高分辨图像中，不适合作为通用的backbone
- https://zhuanlan.zhihu.com/p/411311520
Squeeze-and-Excitation Networks
convolutional filters are expected to be informative combinations by fusing spatial and channel-wise information together within local receptive fields.
自适应的调整通道间的相应，通过对通道间的相关性进行建模。