用于胸片中胸部疾病多标签分类的增强级联卷积网络
计算机视觉与模式识别
2017-11-27 v1
摘要
胸部X光是最易于获取的用于多种疾病诊断的医学影像技术之一。随着ChestX-ray14的问世——这是一个大规模的胸部X光图像数据集，并提供14种胸部疾病的标注——训练深度卷积神经网络（DCNN）以构建计算机辅助诊断（CAD）系统成为可能。在本工作中，我们试验了一组深度学习模型，并提出了一种级联深度神经网络，该网络对所有14种病理的诊断均优于基线，并与其他已发表的方法具有竞争力。我们的工作提供了定量结果，以回答该数据集的以下研究问题：1）在ChestX-ray14数据集上从头训练DCNN时，面对高度类别不平衡和标签共现的情况，应使用何种损失函数？2）如何利用级联来建模标签依赖关系并提升深度学习模型的准确率？
引用
@article{arxiv.1711.08760,
title = {Boosted Cascaded Convnets for Multilabel Classification of Thoracic Diseases in Chest Radiographs},
author = {Pulkit Kumar and Monika Grewal and Muktabh Mayank Srivastava},
journal= {arXiv preprint arXiv:1711.08760},
year = {2017}
}
备注
Submitted to CVPR 2018