Clasificación de imágenes de células HEp-2 con redes neuronales convolucionales profundas

La clasificación eficiente de imágenes de células epiteliales humanas-2 puede facilitar el diagnóstico de muchas enfermedades autoinmunes. Este documento propone un marco automático para esta tarea de clasificación, utilizando redes neuronales convolucionales profundas (CNN) que recientemente han atraído una atención intensa en el reconocimiento visual. Además de describir el marco de clasificación propuesto, este artículo elabora varias observaciones e hallazgos interesantes obtenidos por nuestra investigación. Estos incluyen los factores importantes que impactan el diseño y entrenamiento de la red, el papel de la augmentación de datos basada en rotación para imágenes celulares, la efectividad de las máscaras de imagen celular para la clasificación y la adaptabilidad del sistema de clasificación basado en CNN a través de diferentes conjuntos de datos. Se lleva a cabo un extenso estudio experimental para verificar los hallazgos anteriores y se compara el marco propuesto con los modelos de clasificación de imágenes bien establecidos en la literatura. Los resultados en conjuntos de datos de referencia demuestran que 1) el marco propuesto puede superar de manera efectiva los modelos existentes aplicando correctamente la augmentación de datos, 2) nuestro marco basado en CNN tiene una excelente adaptabilidad a través de diferentes conjuntos de datos, lo cual es altamente deseable para la clasificación de imágenes celulares en condiciones de laboratorio variables. Nuestro sistema está clasificado alto en la competencia de clasificación de imágenes celulares organizada por ICPR 2014.