ChronoMID——面向三维时序医学影像数据的跨模态神经网络
图像与视频处理
2020-07-01 v1 机器学习
机器学习
摘要
ChronoMID 建立在跨模态卷积神经网络（X-CNNs）的成功基础之上，将该技术新颖地应用于医学影像数据。具体而言，本文提出并比较了两种将时序信息用于小鼠骨病分类的替代方法——时间戳与差分图像，应用于小鼠胫骨的 micro-CT 扫描。虽然以往许多关于疾病及疾病分类的工作基于融合领域专业知识和显式假设编码的数学模型，但此处给出的方法利用日益增长的计算资源来分析大型数据集，并揭示空间与时间中的细微模式。在超过 75000 张图像的平衡集上训练后，所有融合时序特征的模型在一个包含超过 20000 张图像的未见平衡验证集上均优于最先进的 CNN 基线。性能最佳的模型达到了 99.54% 的准确率，而 CNN 基线为 73.02%。
引用
@article{arxiv.1901.03906,
title = {ChronoMID - Cross-Modal Neural Networks for 3-D Temporal Medical Imaging Data},
author = {Alexander G. Rakowski and Petar Veličković and Enrico Dall'Ara and Pietro Liò},
journal= {arXiv preprint arXiv:1901.03906},
year = {2020}
}
备注
8 pages, 7 figures, 2 tables