基于生成对抗单类分类器的异常胸部 X 光识别
计算机视觉与模式识别
2019-03-07 v1
摘要
作为最常见的诊断影像检查之一，胸部 X 光摄影需要及时报告图像中的潜在发现。本文提出一种利用生成对抗单类学习进行异常胸部 X 光识别的端到端架构。与以往方法不同，我们的方法仅以正常胸部 X 光图像作为输入。该架构由三个深度神经网络组成，它们通过相互竞争与协作来学习正常胸部 X 光底层的内容结构。在测试阶段给定一张胸部 X 光图像，若其为正常，所学架构能很好地建模并重建其内容；若其为异常，由于该内容在训练阶段未出现过，模型在重建时会表现不佳。从而能够区分异常与正常胸部 X 光。定量与定性实验证明了我们方法的有效性与高效性，在具有挑战性的 NIH Chest X-ray 数据集上以单类学习设定取得了 0.841 的 AUC，具有减轻放射科医生工作量的潜力。
引用
@article{arxiv.1903.02040,
title = {Abnormal Chest X-ray Identification With Generative Adversarial One-Class Classifier},
author = {Yuxing Tang and Youbao Tang and Mei Han and Jing Xiao and Ronald M. Summers},
journal= {arXiv preprint arXiv:1903.02040},
year = {2019}
}
备注
Accepted as an oral presentation in IEEE International Symposium on Biomedical Imaging (ISBI) 2019