利用三脚架网络对颈椎成熟（CVM）阶段进行分类
图像与视频处理
2022-11-17 v1
摘要
我们提出一种用于颈椎成熟（CVM）阶段全自动检测与分类的新型深度学习方法。该深度卷积神经网络由三个以不同初始化参数独立训练的并行网络（TriPodNet）组成。其还内置一组新颖的方向滤波器，用于凸显 X 射线图像中的颈椎边缘。三个并行网络的输出通过全连接层进行组合。我们对 1018 张头影测量放射图像进行标注，按性别划分，并依据 CVM 阶段分类。使用不同训练技术与图像块所得的结果图像，连同可调方向边缘增强器集，用于训练 TripodNet。为避免过拟合，实施了数据增强。TripodNet 在女性患者中达到 81.18% 的 SOTA 准确率，在男性患者中达到 75.32%。所提 TripodNet 在我们的数据集上准确率高于所考察的 Swin Transformers 及先前用于 CVM 阶段估计的网络模型。
引用
@article{arxiv.2211.08505,
title = {Classification of the Cervical Vertebrae Maturation (CVM) stages Using the Tripod Network},
author = {Salih Atici and Hongyi Pan and Mohammed H. Elnagar and Veerasathpurush Allareddy and Omar Suhaym and Rashid Ansari and Ahmet Enis Cetin},
journal= {arXiv preprint arXiv:2211.08505},
year = {2022}
}