用于生物医学纹理分析的 3D 实心球双谱 CNN
计算机视觉与模式识别
2020-06-03 v2
摘要
局部旋转不变(LRI)算子已在生物医学纹理分析中展现出巨大潜力,此类纹理中的图案出现于随机位置与朝向。LRI 算子可通过计算局部描述子(如局部二值模式(LBP)或尺度不变特征变换(SIFT))对离散旋转的响应来获得。其他策略利用例如高斯差分或可控小波来实现该不变性,从而避免离散化旋转时引入采样误差。本工作中,我们通过将图像在球谐基上进行局部投影,随后计算双谱,从而获得 LRI 算子;双谱继承并扩展了谱的不变性性质。我们研究了在嵌入浅层卷积神经网络(CNN)用于 3D 图像分析的 LRI 层中,使用双谱相较于谱的优势。每种设计在两个数据集上的性能被评估并与标准 3D CNN 比较。第一个数据集由合成生成的旋转图案组成的 3D 体数据构成,第二个包含计算机断层扫描(CT)图像中的恶性和良性肺结节。结果表明,双谱 CNN 相比谱 CNN 与标准 CNN 均能显著更好地刻画 3D 纹理。此外,与标准卷积层相比,它还能以更少的训练样本和可训练参数高效学习。
引用
@article{arxiv.2004.13371,
title = {3D Solid Spherical Bispectrum CNNs for Biomedical Texture Analysis},
author = {Valentin Oreiller and Vincent Andrearczyk and Julien Fageot and John O. Prior and Adrien Depeursinge},
journal= {arXiv preprint arXiv:2004.13371},
year = {2020}
}
备注
10 pages