用于改进超声扫描平面检测的注意力门控网络
计算机视觉与模式识别
2018-04-17 v1
摘要
在本工作中，我们将注意力门控网络应用于胎儿超声筛查的实时自动扫描平面检测。由于图像质量差，导致临床医生和自动化算法的解释能力较低，胎儿超声中的扫描平面检测是一项具有挑战性的问题。为了解决这一问题，我们提出引入自门控软注意力机制。软注意力机制生成一个端到端可训练的门控信号，使网络能够将有助于预测的局部信息情境化。所提出的注意力机制是通用的，可以轻松集成到任何现有的分类架构中，且仅需少量额外参数。我们表明，当基础网络容量较高时，引入的注意力机制可以提供高效的目标定位，同时提升整体性能。当基础网络容量较低时，该方法大幅优于基线方法并显著减少假阳性。最后，生成的注意力图使我们能够理解模型的推理过程，这也可用于弱监督目标定位。
引用
@article{arxiv.1804.05338,
title = {Attention-Gated Networks for Improving Ultrasound Scan Plane Detection},
author = {Jo Schlemper and Ozan Oktay and Liang Chen and Jacqueline Matthew and Caroline Knight and Bernhard Kainz and Ben Glocker and Daniel Rueckert},
journal= {arXiv preprint arXiv:1804.05338},
year = {2018}
}
备注
Submitted to MIDL2018 (OpenReview: https://openreview.net/forum?id=BJtn7-3sM)