融合辅助信息的基于 CNN 的肺组织分类框架
图像与视频处理
2022-06-22 v2 计算机视觉与模式识别
机器学习
摘要
间质性肺病是一大类以不同程度肺泡炎和肺纤维化为特征的异质性疾病。准确诊断这些疾病对制定治疗方案具有重要指导意义。尽管先前工作在间质性肺病分类上已取得令人印象深刻的成果，这些技术的精度仍有提升空间，主要在于增强自动化决策。为提高分类精度，本研究提出一种融合辅助信息的基于卷积神经网络 (CNN) 的框架。首先，通过将原始图像按 Hounsfield 单位重新缩放，将 ILD 图像的医学信息加入其中。其次，使用改进的 CNN 模型为每种组织生成分类概率向量。第三，由 CT 扫描中特定位置不同疾病出现频率构成的输入图像位置信息被用于计算位置权重向量。最后，两向量的 Hadamard 乘积被用于生成预测的决策向量。与使用公开可用 ILD 数据库的最先进方法相比，结果表明利用不同辅助信息预测这些疾病的潜力。
引用
@article{arxiv.2206.06701,
title = {CNN-based Classification Framework for Lung Tissues with Auxiliary Information},
author = {Huafeng Hu and Ruijie Ye and Jeyarajan Thiyagalingam and Frans Coenen and Jionglong Su},
journal= {arXiv preprint arXiv:2206.06701},
year = {2022}
}