Multi-Stage Pathological Image Classification using Semantic Segmentation 论文解析

前言

Multi-Stage Pathological Image Classification using Semantic Segmentation ICCV2019论文，日本的作者，主要是东京大学的。解决的是病理学领域，组织切片上病变组织的识别与分类。所谓Multi-Stage是指在传统Classify Net的基础上加了一个Segementaion Net。主要的创新点在如何连接Classify Net 与 Segementation Net。

下图为组织切片的图像：

---

Motivation

组织切片图像像素大（Over $10^5\ast 10^5$ pixels）不能直接拿到分类网络训练，所以目前常用的手段是将其分割成固定大小的小Size的图再放入网络训练。但是这种做法有一个问题，用原文中的话来说就是：However, patch-based classifi-cation uses only patch-scale local information but ignores the relationship between neighboring patches.

因此，作者想要提出一种解决方案来弥补ignores the relationship between neighboring patches的缺点，这是全篇的出发点。

此外，作者还提出了两种训练方法以减少内存的消耗，但是这不是我看这篇论文的重点，所以此部分内容只是简单概括

Model

下面我将用序列的方式解释整个模型

1. 首先将一幅大尺度的组织切片图分割成若干个patches（文中为256*256）
2. 将每个patches送入Feature Extractor，得到一列向量（文中为16*1）
3. 将每一个patch对应的vector合在一起，组合成一张Feature Map，如果你对这里不理解，可以把一个vector想象成一根筷子，Feature Map就相当于一把筷子，筷子的数量就是patch的数量
4. 然后将第三步中得到的Feature Map送入Segementation Net，进行Encoder和Decoder，最终的到Prediction Map

值得注意的是：关于Label论文中并没有讲的很清楚，所以对一开始的理解会有一些影响：
Feature Extracter 的Label是对应的patch中有无tumor，假设中one-hot这种形式，表示为01或者 10

Segementaion的Label就是数据集中的label 标注了病灶的区域，如下图所示：

如果你对我上述流程的后面还是不清楚的话，也没有关系，作者给出了跟详细的解释图：
网络的关键在于如何优化，有两种思路，第一种思路是分别优化，即分别训练两个网络；第二个思路是进行端到端的训练，由于直接训练太过于耗费资源，文章提出只利用必要的结果，其余全部丢弃。
由于这里不是我的重点，详细见论文

Experiment

从数据上来看，确实有一点提升，但是从效果图来看，提升能力似乎有限

总结

这篇论文从解决将large resolution 的image 分割成patch产生的问题入手，找准了问题关键：ignores the relationship between neighboring patches。通过新建带有patch之间关系信息的Feature Map来在一定程度上解决这个问题，并且也达到了预期效果，同时，在训练时使用各种小技巧，减少显存的占用。但是局限性在于，考虑了patches之间关系的信息，但是也损失了patch连接处线条和纹理信息。猜想这种方法用于边缘检测可能效果提升不大。

而且，construct Feature Map的方式也比较简单粗暴，我认为这只是换一种方式堆叠，不知道与其它常用堆叠方式有什么异同。