CheXRelNet：一种用于追踪胸部 X 光片间纵向关系的解剖感知模型
计算机视觉与模式识别
2022-09-16 v2 机器学习
摘要
尽管利用深度学习自动化胸部 X 光解读与疾病诊断任务已取得进展，但连续胸部 X 光片（Chest X-rays, CXRs）之间的变化所受关注有限。监测通过胸部影像可视化的病理进展在解剖运动估计与图像配准方面存在若干挑战，即空间对齐两幅图像并建模变化检测中的时间动态。本工作中，我们提出 CheXRelNet，一种可追踪两幅 CXR 之间纵向病理变化关系的神经模型。CheXRelNet 融合局部与全局视觉特征，利用图像间与图像内解剖信息，并学习解剖区域属性间的依赖关系，以准确预测一对 CXR 的疾病变化。在 Chest ImaGenome 数据集上的实验结果表明，相较于基线方法下游性能有所提升。代码见 https://github.com/PLAN-Lab/ChexRelNet。
引用
@article{arxiv.2208.03873,
title = {CheXRelNet: An Anatomy-Aware Model for Tracking Longitudinal Relationships between Chest X-Rays},
author = {Gaurang Karwande and Amarachi Mbakawe and Joy T. Wu and Leo A. Celi and Mehdi Moradi and Ismini Lourentzou},
journal= {arXiv preprint arXiv:2208.03873},
year = {2022}
}
备注
Accepted at MICCAI 2022