用于骨龄估计的对抗回归学习
计算机视觉与模式识别
2021-03-11 v1
摘要
从手部 X 光片估计骨龄对于诊断内分泌疾病和描述儿童生长状况以确定骨骼年龄至关重要。然而，现有自动方法仅将其模型应用于测试图像，而未考虑训练样本与测试样本之间的差异，这将导致泛化能力降低。本文中，我们提出一种用于骨龄估计的对抗回归学习网络（ARLNet）。具体而言，我们首先从微调的 Inception V3 神经网络提取骨骼特征，并提出回归百分比损失用于训练。为减小训练与测试数据间的差异，我们进而提出对抗回归损失与特征重构损失，以保证从训练数据到测试数据及反向的过渡，同时保留来自训练与测试数据的不变特征。实验结果表明，所提模型优于当前最优方法。
引用
@article{arxiv.2103.06149,
title = {Adversarial Regression Learning for Bone Age Estimation},
author = {Youshan Zhang and Brian D. Davison},
journal= {arXiv preprint arXiv:2103.06149},
year = {2021}
}
备注
27th Information Processing in Medical Imaging (IPMI)