基于深度主動(dòng)學(xué)習(xí)的甲狀腺癌病理圖像分類(lèi)方法

張 萌 ,韓 冰* ,王 哲 ,尤富生 ,李浩然

（1.西安電子科技大學(xué)電子工程學(xué)院,西安, 710071；2.空軍軍醫(yī)大學(xué)基礎(chǔ)醫(yī)學(xué)院病理學(xué)教研室,西安, 710071；3.空軍軍醫(yī)大學(xué)生物醫(yī)學(xué)工程系,西安,710071）

甲狀腺癌是內(nèi)分泌系統(tǒng)最常見(jiàn)的惡性腫瘤，也是全球發(fā)病率增長(zhǎng)最快的惡性腫瘤［1］.在眾多的甲狀腺癌檢查方法中［2］，病理穿刺活檢是當(dāng)前敏感性和特異性最高的方法［3］.在甲狀腺癌的四種主要病理類(lèi)型中，甲狀腺乳頭狀癌約占甲狀腺癌的85%以上，雖然甲狀腺乳頭狀癌預(yù)后非常好，十年的存活率高達(dá)90%左右，但此類(lèi)癌癥的淋巴轉(zhuǎn)移率高達(dá)40%～50%［4］，因此甲狀腺乳頭狀癌的早期確診并制訂合適的治療方案對(duì)防止病情惡化、挽救病人的生命具有重要意義.

卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Networks，CNN）在生物醫(yī)學(xué)圖像分析中被廣泛應(yīng)用，然而大部分基于CNN 的圖像分析方法是以大量帶標(biāo)注的數(shù)據(jù)集為基礎(chǔ)的.對(duì)生物醫(yī)學(xué)圖像進(jìn)行標(biāo)注不僅繁瑣、耗時(shí)，而且需要領(lǐng)域內(nèi)的專(zhuān)業(yè)知識(shí)指導(dǎo)，這些專(zhuān)業(yè)知識(shí)需要系統(tǒng)學(xué)習(xí)，難以迅速掌握，所以很難獲取大量帶標(biāo)簽的數(shù)據(jù).然而，目前已經(jīng)有公開(kāi)的其他類(lèi)型疾病的病理圖像數(shù)據(jù)集，我們可以充分利用現(xiàn)有帶標(biāo)簽的其他數(shù)據(jù)集，輔助挑選有價(jià)值的樣本進(jìn)行標(biāo)注，減少標(biāo)注代價(jià).

近年來(lái)，由于數(shù)字?jǐn)?shù)據(jù)的爆炸性增長(zhǎng)，存儲(chǔ)和檢索效率極高的哈希編碼在各種計(jì)算機(jī)視覺(jué)任務(wù)中已被廣泛應(yīng)用.Venkateswara et al［5］使用深度神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)樣本的代表性哈希碼來(lái)解決域適配問(wèn)題，在無(wú)監(jiān)督域自適應(yīng)方……