Réseaux de neurones convolutionnels multi-échelle pour la classification cellulaire

Pierre Buyssens (1) , Abderrahim Elmoataz (1)

1 Equipe Image - Laboratoire GREYC - UMR6072

We present a Multiscale Convolutional Neural Network (MCNN) approach for vision–based classification of cells. Based on several deep Convolutional Neural Networks (CNN) acting at different resolutions, the proposed architecture avoid the classical handcrafted features extraction step, by processing features extraction and classification as a whole. The proposed approach gives better classification rates than classical state–of–the–art methods allowing a safer Computer–Aided Diagnosis of pleural cancer.

Dans cet article, nous présentons une approche basée sur des réseaux de neurones convolutionnels multi-échelle (MCNN) pour la classification de cellules. Basée sur plu-sieurs réseaux profonds convolutionnels agissant à dif-férentes résolutions, l'architecture proposée évite l'étape classique d'extraction manuelle de caractéristiques, en procédant à l'extraction de caractéristiques et à la classification en une fois au sein d'un même réseau de neurones. L'approche proposée fournit de meilleurs résultats de classification que les méthodes usuelles permettant une aide au diagnostique plus sûre du cancer de la plèvre.

Mots clés: Classification; Réseaux profonds; multi-échelle; cytologie

Domaines: Imagerie médicale; Réseau de neurones [cs.NE]

Pierre Buyssens, Abderrahim Elmoataz. Réseaux de neurones convolutionnels multi-échelle pour la classification cellulaire. RFIA 2016, Jun 2016, Clermont-Ferrand, France. ⟨hal-01320955⟩