基于图像配准与深度嵌入聚类的年龄相关性黄斑变性严重程度预测及可解释性
计算机视觉与模式识别
2019-07-09 v1 图像与视频处理
摘要
我们提出了一种从输入的光学相干断层扫描（OCT）图像预测年龄相关性黄斑变性（AMD）严重程度的方法。尽管AMD尚无标准临床严重程度量表，我们利用基于深度学习（DL）的图像配准和聚类方法来识别病例并预测其严重程度。实验表明，我们的方法在疾病分类性能上与最先进的方法相当。预测的疾病严重程度在先前未见过的数据上表现良好。关于标签和严重程度决策，配准输出比类激活图提供了更好的可解释性。
引用
@article{arxiv.1907.03075,
title = {AMD Severity Prediction And Explainability Using Image Registration And Deep Embedded Clustering},
author = {Dwarikanath Mahapatra},
journal= {arXiv preprint arXiv:1907.03075},
year = {2019}
}