一种基于Transformer的有效方案用于RSNA颅内出血检测竞赛
计算机视觉与模式识别
2022-06-08 v3
摘要
我们提出了一种用于颅内出血检测（IHD）的有效方法，其性能超越了RSNA-IHD竞赛（2019）冠军方案。同时，与冠军方案相比，我们的模型仅使用了其四分之一的参数量和百分之十的FLOPs。IHD任务需要预测输入脑部CT中每个切片的出血类别。我们回顾了北美放射学会（RSNA）于2019年举办的IHD竞赛的前五名方案。几乎所有顶尖方案都依赖2D卷积网络和序列模型（双向GRU或LSTM）分别提取切片内和切片间特征。所有顶尖方案都通过模型集成来提升性能，模型数量从7到31不等。在过去几年中，计算机视觉领域尤其是基于Transformer的模型取得了很大进展，我们引入基于Transformer的技术来提取IHD任务中切片内和切片间视图的特征。此外，我们的工作流程中嵌入了一种半监督方法以进一步提升性能。代码已在文稿中提供。
引用
@article{arxiv.2205.07556,
title = {An Effective Transformer-based Solution for RSNA Intracranial Hemorrhage Detection Competition},
author = {Fangxin Shang and Siqi Wang and Xiaorong Wang and Yehui Yang},
journal= {arXiv preprint arXiv:2205.07556},
year = {2022}
}