Resumen

El aprendizaje profundo mediante redes neuronales convolucionales (CNN) es una herramienta destacada para muchas tareas de clasificación de imágenes. Debido a su excepcional robustez y generalización, también se espera que desempeñe un papel clave para facilitar el diagnóstico avanzado asistido por ordenador (CAD) para imágenes de patología. Sin embargo, la escasez de datos de imágenes patológicas bien anotados para el entrenamiento de redes neuronales profundas se ha convertido en un problema importante en la actualidad debido al alto coste de la anotación en la observación profesional del patólogo. Ante este problema, se suelen utilizar técnicas de aprendizaje por transferencia para reforzar la capacidad de las redes neuronales profundas. Con el fin de mejorar aún más el rendimiento de las redes neuronales profundas de última generación y aliviar la insuficiencia de datos bien anotados, este artículo presenta un novedoso esquema de aprendizaje profundo basado en el ajuste fino por pasos para la clasificación de imágenes de patología gástrica y establece un nuevo tipo de conjuntos de datos intermedios correlativos con el objetivo. Nuestro esquema propuesto se considera capaz de hacer que la red neuronal profunda imite la forma de percepción del patólogo y de adquirir conocimientos relacionados con la patología por adelantado, pero con un coste adicional muy limitado en la anotación de datos. Los experimentos se llevan a cabo tanto con datos de patología gástrica bien anotados como con los datos intermedios correlativos al objetivo propuestos en varias redes neuronales profundas de última generación. Los resultados demuestran congruentemente la viabilidad y superioridad de nuestro esquema propuesto para mejorar el rendimiento de la clasificación.

• Materias:Señales orofaciales Clasificación del cáncer Terapia de exposición Resonancias magnéticas Medicina de precisión
• Subjects:Orofacial signals Cancer classification Exposure therapy Magnetic resonance imaging Precision medicine
• Palabras claves:redes neuronales profundas, clasificación de imágenes de patología gástrica, muchas tareas de clasificación de imágenes, redes neuronales convolucionales, datos intermedios correlativos, conjuntos de datos intermedios correlativos, esquema de aprendizaje profundo, red neuronal profunda, datos de patología gástrica, coste adicional limitado
• Keywords:deep neural networks, gastric pathology image classification, many image classification tasks, convolutional neural networks, correlative intermediate data, correlative intermediate datasets, deep learning scheme, deep neural network, gastric pathology data, limited extra cost