今天看的文章题目是《A Gamma-Gaussian Mixture Model for Detection of Mitotic Cells in Breast Cancer Histopathology Images》
原理:先分割出肿瘤区域,然后在肿瘤区域使用Gamma-Gaussian混合模型检测有丝分裂细胞,最后使用svm分类器减少检测错误。
步骤:
1、因为有丝分裂大多是发生在肿瘤区域,所以本文先分割出肿瘤区域,减小后面操作的复杂度。在这里,使用的(RanPEC: Random Projections with Ensemble Clustering)方法进行的分割。
2、使用Gamma-Gaussian混合模型检测有丝分裂细胞
仔细看上面的图片,从上面我们可以知道为什么Gamma-Gaussian混合模型能检测出有丝分裂和非有丝分裂。由于有丝分裂细胞强度(L channel of La*b* color space)的边缘分布服从Gamma分布,而非有丝分裂细胞强度(L channel of La*b* color space)的边缘分布服从Gaussian分布,借助这一分布特点,我们可以利用Gamma-Gaussian混合模型检测出有丝分裂。
对于任意像素强度为x,给出混合模型:
和
为两个分布的混合比例,且
为Gamma强度分布函数,以
、
为参数;
为Gaussian强度分布函数,以
、
为参数。假设
,则我们现在要求是这个参数向量。
我们采用EM算法求解:
详细算法如下:
计算出所有参数后,我们就可以采用这个混合模型检测有丝分裂
使用一个阈值t,可以得到潜在的有丝分裂区域。
3、进一步减少差错
采用一个窗口将上一步中检测出的区域包围起来,提取特征,训练SVM分类器,使用SVM再一次检测,进一步提高准确率。