一种嵌入GLCM的CNN策略用于颅内出血的计算机辅助诊断
计算机视觉与模式识别
2019-06-06 v1
摘要
计算机辅助诊断(CADx)系统已被证明可通过提供各类医学图像(如计算机断层扫描(CT)和磁共振(MR))的分类来辅助放射科医生。目前,卷积神经网络在CADx中发挥着重要作用。然而,由于CNN模型需要类方形输入,通常难以将CNN算法直接应用于放射科医生感兴趣的、不规则的分割感兴趣区域(ROIs)。本文提出一种新方法,通过提取并将不规则区域的信息转换为固定尺寸的灰度共生矩阵(GLCM),然后将GLCM作为我们CNN模型的一个输入来构建模型。通过这种方式,作为原始CNN的有益补充,若干基于GLCM的特征也由CNN提取。同时,网络将更加关注重要的病灶区域,并在分类中达到更高的准确率。我们在三个分类数据库(Hemorrhage、BraTS18和Cervix)上进行了实验,以验证我们创新模型的通用性。总之,所提出的框架在每个数据库上均以测试损失和分类准确率作为评估标准,优于相应的当前最优算法。
引用
@article{arxiv.1906.02040,
title = {A GLCM Embedded CNN Strategy for Computer-aided Diagnosis in Intracerebral Hemorrhage},
author = {Yifan Hu and Yefeng Zheng},
journal= {arXiv preprint arXiv:1906.02040},
year = {2019}
}