通过关键帧特征中心引导提升乳腺超声视频分类性能
计算机视觉与模式识别
2023-06-13 v1
摘要
乳腺超声视频比超声图像包含更丰富的信息,因此为该诊断任务开发视频模型更有意义。然而,超声视频数据集的收集要困难得多。本文中,我们探索了利用静态图像数据集增强超声视频分类性能的可行性。为此,我们提出了 KGA-Net 与一致性损失。KGA-Net 采用视频片段与静态图像共同训练网络。一致性损失利用静态图像生成的特征中心来引导视频模型中的帧注意力。我们的 KGA-Net 在公开 BUSV 数据集上大幅提升了性能。帧注意力的可视化结果证明了我们方法的可解释性。我们方法的代码与模型权重将公开提供。
引用
@article{arxiv.2306.06877,
title = {Boosting Breast Ultrasound Video Classification by the Guidance of Keyframe Feature Centers},
author = {AnLan Sun and Zhao Zhang and Meng Lei and Yuting Dai and Dong Wang and Liwei Wang},
journal= {arXiv preprint arXiv:2306.06877},
year = {2023}
}
备注
Medical Image Computing and Computer-Assisted Intervention 2023