何 涛,陈 剑,闻英友

(东北大学东软研究院,辽宁 沈阳 110169)

0 引 言

自身免疫性疾病是指免疫系统错误地攻击人体组织中的健康细胞，在这种情况下，身体会释放各种抗体，其中一种是抗核抗体(ANA)。抗核抗体类型的特异性因自身免疫性疾病的不同而不同，因此，ANA的识别可以作为协助医疗手段，监督患者体内的破坏程度，具有重要的医学价值。检测ANAs最常用的检测方法是间接免疫荧光法(IIF)[1]，IIF显像具有较好的特异性和敏感性，通过检测患者血清中相应的抗体，在诊断特异性自身免疫性疾病中有着重要的作用。

传统的HEp-2细胞模式识别[2-4]方法不仅需要经验丰富的医生花费大量的时间进行人工判别，并且不同的医生对于细胞类型的判断方式是相对主观的，不同医生的判断会出现不一致的情况[5]。因此，构建自动、可靠的HEp-2图像识别模型成为一个重要的研究课题。

1 相关工作

目前在HEp-2细胞分类领域已经开展了深入的研究，尤其是卷积神经网络[6]在这方面的应用更加广泛。Foggia等人[7-8]对HEp-2细胞分类方法的发展进行了全面的总结。Hobson等人[9]提出了在大数据集上的分类方法，分析了在细胞和样本不同层次上的算法及其性能。Shen等人[10]提出了一个基于强度顺序池的梯度特征的HEp-2分类框架，分类性能得到提升。Pomponiu等人[11]提出使用预训练的深度神经网络自动提取一组代表性特征进行分类。Esteva等人[12]用GoogLeNet预训练模型进行迁移学习,得到的结果准确率略高于皮肤病专家的诊断准确率。……