数字病理学的最新进展导致了对通过活检图像的数据库搜索的组织病理学图像检索（HIR）系统，以找到与给定查询图像的类似情况。这些HIR系统允许病理学家毫不费力地和有效地访问数千个先前诊断的病例，以便利用相应的病理报告中的知识。由于HIR系统可能需要处理数百万千兆像素图像，因此必须使用紧凑型图像特征的提取以允许有效准确的检索。在本文中，我们提出了克条形码的应用作为HIR系统的图像特征。与大多数特征生成方案不同，Gram条形码基于高阶统计，通过总结卷积神经网络层中的不同特征图之间的相关性来描述组织纹理。我们使用预先训练的VGG19网络在三个公共数据集中运行HIR实验，用于Gram条形码生成，展示高度竞争的结果。
translated by 谷歌翻译