用于胸部 X 光自动多标签分割及心胸比评估的贝叶斯特征金字塔网络
图像与视频处理
2019-08-09 v1 计算机视觉与模式识别
摘要
由胸部 X 光片估算的心胸比（CTR）是提示心脏增大的标志物，其存在与否属于心力衰竭诊断标准。现有的 CTR 自动评估方法由基于深度学习的分割驱动。然而，这些技术仅产生 CTR 的点估计，而临床决策通常需考虑不确定性。本文提出一种以自动方式实现胸部 X 光分割与 CTR 评估的新方法。与以往方法不同，我们首次提出以不确定性边界估计 CTR。我们的方法基于带特征金字塔网络（FPN）解码器的深度卷积神经网络。我们对 FPN 提出两处改进：以实例归一化替换批量归一化，并注入 dropout，从而可在测试时获得分割图的蒙特卡洛估计。最后，利用预测的分割掩码样本，我们估计带不确定性的 CTR。实验中我们证明所提方法对三个不同测试集均具有良好泛化性。最后，我们将两名放射科医生为所有数据集制作的标注公开可用。
引用
@article{arxiv.1908.02924,
title = {Bayesian Feature Pyramid Networks for Automatic Multi-Label Segmentation of Chest X-rays and Assessment of Cardio-Thoratic Ratio},
author = {Roman Solovyev and Iaroslav Melekhov and Timo Lesonen and Elias Vaattovaara and Osmo Tervonen and Aleksei Tiulpin},
journal= {arXiv preprint arXiv:1908.02924},
year = {2019}
}
备注
Roman Solovyev and Iaroslav Melekhov contributed equally. Timo Lesonen and Elias Vaattovaara contributed equally