胸部 X 光片中中心静脉导管的自动检测与类型分类
图像与视频处理
2019-07-26 v3 计算机视觉与模式识别
摘要
中心静脉导管（CVCs）在重症监护环境中常用于监测身体机能和给药。放射学报告通常通过提及它们的存在、身份和位置来进行描述。在本文中，我们通过基于深度学习网络的自动分割以及基于其与先前从临床医生对 CVCs 的标注中学习到的形状先验的交集进行的分类，来解决自动检测其存在与身份的问题。结果不仅在导管检测上优于现有方法，在 91.6% 准确率下达到 85.2% 的精度，而且能够在超过 10,000 张胸部 X 光片的大型数据集上实现高精度（95.2%）的导管类型分类，为此问题提供了一个鲁棒且实用的解决方案。
引用
@article{arxiv.1907.01656,
title = {Automated Detection and Type Classification of Central Venous Catheters in Chest X-Rays},
author = {Vaishnavi Subramanian and Hongzhi Wang and Joy T. Wu and Ken C. L. Wong and Arjun Sharma and Tanveer Syeda-Mahmood},
journal= {arXiv preprint arXiv:1907.01656},
year = {2019}
}
备注
Accepted to Medical Image Computing and Computer Assisted Intervention (MICCAI) 2019; Data available: ML-CDS Challenge, MICCAI2019 (http://www.mcbr-cds.org/challenge/challenge-description.html)