一种用于额颞叶痴呆诊断的多视图公正决策网络
计算机视觉与模式识别
2023-07-12 v1
摘要
额颞叶痴呆（FTD）诊断利用深度学习技术已取得长足进展。然而，当前的FTD识别方法存在两个局限。首先，它们未挖掘多视图功能磁共振成像（fMRI）用于FTD分类的潜力。其次，它们未考虑多视图FTD诊断的可靠性。为应对这些局限，我们提出了一种可靠的多视图公正决策网络（MID-Net）用于fMRI中的FTD诊断。我们的MID-Net为每个视图提供置信度并生成无冲突的可靠预测。为此，我们采用多个专家模型从fMRI图像包含的丰富神经网络信息中提取证据。我们随后引入狄利克雷分布（Dirichlet Distribution）从证据层面刻画专家类别概率分布。此外，提出了一种新颖的公正决策者（IDer）以归纳方式结合不同意见，从而以无额外计算成本得出无偏预测。总体而言，我们的MID-Net动态整合不同专家对FTD疾病的决策，尤其在处理多视图高冲突情形时。在一个高质量FTD fMRI数据集上的大量实验表明，我们的模型优于先前方法，并对难分类样本提供高不确定性。我们相信，我们的方法代表了在多专家条件下部署可靠FTD决策的重要一步。接受后我们将发布代码以供复现。
引用
@article{arxiv.2307.04981,
title = {A Multi-view Impartial Decision Network for Frontotemporal Dementia Diagnosis},
author = {Guoyao Deng and Ke Zou and Meng Wang and Xuedong Yuan and Sancong Ying and Huazhu Fu},
journal= {arXiv preprint arXiv:2307.04981},
year = {2023}
}