用基于 CNN 注意力的端到端架构评估膝 OA 严重程度
图像与视频处理
2019-08-26 v1 计算机视觉与模式识别
机器学习
摘要
本工作提出一种新颖的端到端卷积神经网络（CNN）架构，利用 X 射线图像自动量化膝骨关节炎（OA）的严重程度，其包含可训练的注意力模块，作为感兴趣区域（ROI）的无监督细粒度检测器。所提注意力模块可应用于任意 CNN 流水线的不同层级和尺度，帮助网络在不同分辨率下对图像最具信息量的部分学习相关注意力模式。我们在现有最先进 CNN 架构作为基础模型上测试所提注意力机制，在来自骨关节炎倡议（OAI）和多中心骨关节炎研究（MOST）的基准膝 OA 数据集上取得了有前景的结果。我们实验的所有代码将在 github 仓库公开：https://github.com/marc-gorriz/KneeOA-CNNAttention
引用
@article{arxiv.1908.08856,
title = {Assessing Knee OA Severity with CNN attention-based end-to-end architectures},
author = {Marc Górriz and Joseph Antony and Kevin McGuinness and Xavier Giró-i-Nieto and Noel E. O'Connor},
journal= {arXiv preprint arXiv:1908.08856},
year = {2019}
}
备注
Proceedings of the 2nd International Conference on Medical Imaging with Deep Learning