用于多模态多类别极微小物体检测与表征的3D多标注者RCNN
计算机视觉与模式识别
2018-12-24 v1
摘要
得益于更高分辨率下采集时间的缩短，极微小物体（ESO）已在临床常规磁共振成像采集中被观测到。尽管其尺寸极小（在超过个体素的影像中，通常每个物体少于个体素），这些标记反映了组织损伤，需在研究复杂病理通路完整表型时加以考虑。除尺寸极小外，形状与外观的变异性导致不同人工标注者间标注差异大，形成噪声极强的金标准。此类物体常见于脑小血管病中，增宽的血管周围间隙与腔隙性梗死在老年人群中普遍可见，被认为与认知衰退加速及痴呆发病风险相关。本工作中，我们重新设计RCNN模型以适配3D数据，并联合检测与表征这些与年龄相关神经血管变化的重要标记。我们还提出训练策略以强制检测极微小物体，确保训练过程可控且稳定。
引用
@article{arxiv.1812.09046,
title = {3D multirater RCNN for multimodal multiclass detection and characterisation of extremely small objects},
author = {Carole H. Sudre and Beatriz Gomez Anson and Silvia Ingala and Chris D. Lane and Daniel Jimenez and Lukas Haider and Thomas Varsavsky and Lorna Smith and H. Rolf Jäger and M. Jorge Cardoso},
journal= {arXiv preprint arXiv:1812.09046},
year = {2018}
}