人工智能在骨质疏松症中的应用
计算机视觉与模式识别
2021-09-23 v1 机器学习
摘要
在本章中，我们探索并评估用于骨小梁表征和骨质疏松症诊断的方法，并增加对稀疏近似的兴趣。我们首先描述纹理表示和分类技术、基于块的方法（如Bag of Keypoints）以及更近期的深度神经网络。然后我们引入用于模式识别的稀疏表示概念，并详述集成稀疏分析方法和分类器决策融合方法。我们报告了在骨放射影像的骨质疏松症数据集上的交叉验证结果，并比较了不同类别方法产生的结果。我们得出结论，人工智能和机器学习领域的进展已使得能够开发可用作临床环境中诊断工具的方法。
引用
@article{arxiv.2109.10478,
title = {AI in Osteoporosis},
author = {Sokratis Makrogiannis and Keni Zheng},
journal= {arXiv preprint arXiv:2109.10478},
year = {2021}
}