用于胸部疾病检测与分割的结构感知关系网络
图像与视频处理
2021-04-22 v1 计算机视觉与模式识别
摘要
胸部疾病或异常的实例级检测与分割对于胸片图像中的自动诊断至关重要。利用从领域知识中提取的恒定结构与疾病关系，我们提出一种结构感知关系网络（SAR-Net）以扩展 Mask R-CNN。SAR-Net 由三个关系模块组成：1. 编码疾病与解剖部位之间空间关系的解剖结构关系模块。2. 基于疾病 RoI 与肺野的查询-键对聚合线索的上下文关系模块。3. 将共现与因果关系传播至疾病候选框的疾病关系模块。为构建实用系统，我们还提供 ChestX-Det，一个带有实例级标注（框与掩码）的胸片数据集。ChestX-Det 是公共数据集 NIH ChestX-ray14 的子集。它包含由三位委员会认证放射科医生标注的约 3500 张 13 种常见疾病类别的图像。我们在其上及另一数据集 DR-Private 上评估我们的 SAR-Net。实验结果表明，它可增强 Mask R-CNN 的强基线并取得显著改进。ChestX-Det 发布于 https://github.com/Deepwise-AILab/ChestX-Det-Dataset。
引用
@article{arxiv.2104.10326,
title = {A Structure-Aware Relation Network for Thoracic Diseases Detection and Segmentation},
author = {Jie Lian and Jingyu Liu and Shu Zhang and Kai Gao and Xiaoqing Liu and Dingwen Zhang and Yizhou Yu},
journal= {arXiv preprint arXiv:2104.10326},
year = {2021}
}
备注
This paper has been accepted by IEEE Transactions on Medical Imaging