基于区域引导 CNN 的眼底图像中局灶性病变发现分类
计算机视觉与模式识别
2018-11-05 v1
摘要
眼科医生常通过检查眼底图像来发现异常病变以作出诊断。卷积神经网络近期的成功仅限于少数疾病的诊断，且未对病变进行恰当定位。本文中，我们提出一种用于病变定位的高效标注方法，以及一种可同时分类单个发现并定位病变的 CNN 架构。此外，我们引入一种新的损失函数，以区域标注为引导，引导网络学习有意义的特征模式。实验中，我们证明我们的网络表现优于广泛使用的网络，且引导损失有助于将 AUROC 提高至多 4.1%，并获得更优的定位能力。
引用
@article{arxiv.1811.00871,
title = {Classification of Findings with Localized Lesions in Fundoscopic Images using a Regionally Guided CNN},
author = {Jaemin Son and Woong Bae and Sangkeun Kim and Sang Jun Park and Kyu-Hwan Jung},
journal= {arXiv preprint arXiv:1811.00871},
year = {2018}
}
备注
8 pages, Computational Pathology and Ophthalmic Medical Image Analysis, pp.176-184