面向骨龄评估的注意力引导判别区域定位与标签分布学习
计算机视觉与模式识别
2020-08-14 v2
摘要
骨龄评估（BAA）在临床上十分重要，可用于诊断儿童发育过程中的内分泌与代谢疾病。现有基于深度学习的骨龄分类方法以全局图像作为输入，或通过标注额外的边界框或关键点来利用局部信息。然而，使用全局图像训练会低估判别性局部信息，而提供额外标注则成本高且主观。本文提出一种注意力引导方法，无需任何额外标注即可自动定位用于 BAA 的判别区域。具体而言，我们首先训练一个分类模型来学习判别区域的注意力图，找出手部区域、最具判别性的区域（腕骨）以及次具判别性的区域（掌骨）。在这些注意力图的引导下，我们从原始图像中裁剪出信息丰富的局部区域，并聚合不同区域用于 BAA。我们没有将 BAA 视为一般的回归任务（由于年龄标签空间中的标签模糊问题，这种做法次优），而是提出联合年龄分布学习与期望回归，利用具有不同个体年龄的手部图像之间的序数关系，从而实现更鲁棒的年龄估计。我们在 RSNA 儿科骨龄数据集上进行了大量实验。在无需训练标注的情况下，与现有需要手动标注的 SOTA 半自动基于深度学习的方法相比，我们的方法取得了具有竞争力的结果。代码见 https://github.com/chenchao666/Bone-Age-Assessment。
引用
@article{arxiv.2006.00202,
title = {Attention-Guided Discriminative Region Localization and Label Distribution Learning for Bone Age Assessment},
author = {Chao Chen and Zhihong Chen and Xinyu Jin and Lanjuan Li and William Speier and Corey W. Arnold},
journal= {arXiv preprint arXiv:2006.00202},
year = {2020}
}
备注
codes are available at https://github.com/chenchao666/Bone-Age-Assessment