用于排除骨影以提升 CheXNet 准确率的上下文学习
图像与视频处理
2020-05-14 v1 计算机视觉与模式识别
摘要
胸部 X 光检查在肺部疾病检测中起着重要作用。该任务准确率越高，所需放射科医师经验越丰富。在包含超过 100,000 张 14 种疾病正位 X 光图像的 ChestX-ray14 数据集发布后，若干高准确率模型被提出。本文开发了一种用于胸部 X 光图像中肺部疾病诊断的工作流，可将最先进模型的平均 AUROC 从 0.8414 提升至 0.8445。我们在输入至 14 种疾病检测模型前施加图像预处理步骤。我们的项目包含三个模型：第一个是 DenseNet-121，用于预测经处理的图像是否具有更优结果；第二个是用于骨影排除的卷积自编码器模型；最后一个为原始 CheXNet。
引用
@article{arxiv.2005.06189,
title = {Context Learning for Bone Shadow Exclusion in CheXNet Accuracy Improvement},
author = {Minh-Chuong Huynh and Trung-Hieu Nguyen and Minh-Triet Tran},
journal= {arXiv preprint arXiv:2005.06189},
year = {2020}
}
备注
KSE 2018 long paper