Digital_Pathology：此研究项目专注于设计图像分类工具以检测组织图像中的病理

数字病理学 任务说明 该项目的总体目标是将组织图像分类为病变或未病变。 这些组织图像由大量单个或未患病的细胞组成。 因此，能够对整个图像进行分类不是很有用。 我有兴趣解决此问题的方法称为图像分割。 这将通过在图像上运行对象检测算法，在每个单元格周围放置一个边界框来实现。 然后，将分割后的细胞图像输入到深度神经网络分类器中，该分类器将返回代表该细胞是否患病的概率。 如果此概率超过某个阈值，则该单元格的边界框将与给定概率一起叠加在原始图像上。 方法 该程序使用自定义RCNN算法处理高分辨率图像（大约8000x12000像素）。 该模型由两个单独的深度神经网络，区域提议网络（RPN）和分类器组成。 第一步是将图像缩小（大约10倍），以便RPN可以更快地进行预测。 RPN拍摄由滑动窗口/图像金字塔方法给出的32x32px图像，并预测图像中任何单元的联合相交（IOU）。 然后将超过给定阈值的所有感