基于多类图像块CNN的肝脏病变检测类内变异性建模
概率论
2017-10-27 v2 数学物理
math.MP
摘要
CT图像中肝脏病变的自动检测对研究人员构成巨大挑战。在这项工作中，我们提出了一种深度学习方法，基于数据的先验知识显式建模非病变类内的变异性，以支持自动病变检测系统。提出了一个多类卷积神经网络（CNN）将输入图像块分类为边界块和内部块的子类别，其决策被融合以达成二值病变与非病变决策。为验证我们的系统，我们使用132个肝脏和498个病变的CT图像。我们的方法显示出高度改进的检测结果，优于最先进的(state-of-the-art)全卷积网络。如本工作所示，自动计算机化工具未来有潜力辅助放射科医生改进检测。
引用
@article{arxiv.1707.06054,
title = {A rigidity property of superpositions involving determinantal processes},
author = {Yanqi Qiu},
journal= {arXiv preprint arXiv:1707.06054},
year = {2017}
}
备注
7 pages