用于HEp-2荧光强度分类的深度卷积神经网络

摘要： 间接免疫荧光（IIF）检测被推荐为抗核抗体（ANA）检测的金标准方法，该抗体对自身免疫性疾病诊断具有重要价值。荧光强度分析通常较为复杂，且受操作者能力影响，统计上易与错误类别关联。本文提出一种卷积神经网络（CNN）系统，用于HEp-2 IIF图像的阳性/阴性荧光强度分类（这对自身免疫疾病诊断至关重要）。该方法采用知名预训练CNN提取特征，并通过支持向量机（SVM）分类器进行最终的正负类别判定。本系统基于AIDA（计算机辅助自身免疫诊断）项目构建的数据库开发完成，分类器在该数据库上完成训练。我们在该数据库公开的2080张IIF图像子集上测试了所提方法，性能分析显示荧光强度分类准确率约达93%。通过与最具代表性的前沿研究对比评估结果，证实了本系统在HEp-2图像强度分类中的优越性。