论文笔记（八）-Two-Stage Convolutional Neural Network for Breast Cancer Histology Image

论文地址：Two-Stage Convolutional Neural Network for Breast Cancer Histology Image Classification

摘要
目的：将图像分为正常，良性，原位癌和浸润性癌四类
因为图像的大尺寸高像素，所以提出用基于patch的方法，由两个连续的神经网络组成。第一个预训练的patch-wise cnn提取特征，第二个image-wise cnn从上一个网络获得输入，然后进行预测。image-wise cnn主要是作为分类器。

introduction中指出一些利用patch然后输入到下一个神经网络并产生标签分数，最后分类。这些技术可以高度准确地对图像块进行高度自信，然而，它们无法捕获图像的全局属性：标记所有图像块后，空间信息将被忽略，并且修补程序之间共享的任何可能功能都将丢失。
所以本文提出一个由预训练的patch-wise cnn和image-wise cnn组成的框架。patch-wise cnn经过训练之后可以高度提取每个patch的特征，然后组成一个空间上小的3D输入，然后image-wise cnn根据从patch中提取的特征和patch之间共享的全局信息来分类。

方法
1.patch-wise cnn
首先用滑动窗口从2048*1536的高像素图像里选出有重叠的35个patch（窗口步长为256）。
2.image-wise cnn
输入是不重叠的12个patch（窗口步长为512）。image-wise的网络更容易过拟合，所以用了dropout和权重衰减，而patch-wise cnn没有用
并且提出，如果准确率不再提升，就停止训练。

此外，用了数据增强训练的网络，作者称为ensemble model。