基于卷积神经网络的IVOCT回撤图像中斑块自动检测
计算机视觉与模式识别
2018-08-27 v2
摘要
冠心病虽可预防，却是常见死因。为治疗动脉壁中潜在的斑块沉积，专家可使用血管内光学相干断层成像（IVOCT）来检测和表征病变。在临床常规中，每位患者需采集数百幅图像，因此需要自动斑块检测以实现快速准确的决策支持。迄今为止，自动方法依赖于经典机器学习方法，深度学习方案鲜有研究。鉴于深度学习方法在其他成像模态上的成功，亟需深入理解基于深度学习的斑块检测以构建未来临床决策支持系统。我们使用由三位训练有素专家标注的体内患者图像组成的新数据集来解决此问题。利用该数据集，我们采用最先进的深度学习模型直接从图像中学习斑块分类。为提升性能，我们研究了不同的迁移学习方法。此外，我们考察了笛卡尔与极坐标图像表示，并采用针对每种表示定制的数据增强技术。我们在多路径架构中融合两种表示以更有效地利用特征。最后，除检测外我们还应对斑块区分的挑战。总体而言，我们发现联合模型表现最佳，准确率为91.7%，灵敏度为90.9%，特异度为92.4%。我们的结果表明构建基于深度学习的斑块检测临床决策支持系统可行。
引用
@article{arxiv.1808.04187,
title = {Automatic Plaque Detection in IVOCT Pullbacks Using Convolutional Neural Networks},
author = {Nils Gessert and Matthias Lutz and Markus Heyder and Sarah Latus and David M. Leistner and Youssef S. Abdelwahed and Alexander Schlaefer},
journal= {arXiv preprint arXiv:1808.04187},
year = {2018}
}
备注
Accepted for Publication in IEEE Transactions on Medical Imaging