利用多上下文最近邻关系网络对脑CT扫描异常进行解剖标注
计算机视觉与模式识别
2018-01-23 v2 机器学习
摘要
本研究致力于开发一种深度学习方法，用于对脑部计算机断层扫描（CT）中的给定感兴趣区域（ROI）进行自动解剖标注。我们结合局部和全局上下文来获取ROI的表示，然后使用关系网络（RNs）根据每个类别的关联分数预测ROI对应的解剖结构。此外，我们提出了一种新颖的策略，采用最近邻方法训练RNs。我们训练RNs学习目标ROI与每个类别中其最近邻的联合表示之间的关系，而不是与每个类别中所有数据点的关系。与训练基线RN网络相比，所提出的策略能够更好地训练RNs，同时提升性能。
引用
@article{arxiv.1710.09180,
title = {Anatomical labeling of brain CT scan anomalies using multi-context nearest neighbor relation networks},
author = {Srikrishna Varadarajan and Muktabh Mayank Srivastava and Monika Grewal and Pulkit Kumar},
journal= {arXiv preprint arXiv:1710.09180},
year = {2018}
}
备注
Accepted as a one page abstract at IEEE International Symposium on Biomedical Imaging (ISBI), 2018