基于 3D 卷积神经网络的 CT 图像 COPD 分类
图像与视频处理
2020-01-07 v1 计算机视觉与模式识别
摘要
慢性阻塞性肺疾病（COPD）是一种不可完全逆转的肺部疾病，也是全球发病与死亡的主要原因之一。COPD 的早期发现与诊断可提高患者生存率并降低疾病进展风险。目前诊断 COPD 的主要检查工具为肺活量测定法。然而，计算机断层扫描（CT）被用于检测 COPD 症状并进行亚型分类。即便对医师而言，使用不同成像模态也是困难且繁琐的任务，并受观察者间与观察者内差异影响。因此，开发可自动分类 COPD 与健康受试者的方法极具价值。本文提出一种 3D 深度学习方法，仅使用体素级标注对 COPD 与肺气肿进行分类。我们还展示了通过从预训练 COPD 分类模型进行知识迁移的迁移学习对肺气肿分类的影响。
引用
@article{arxiv.2001.01100,
title = {COPD Classification in CT Images Using a 3D Convolutional Neural Network},
author = {Jalil Ahmed and Sulaiman Vesal and Felix Durlak and Rainer Kaergel and Nishant Ravikumar and Martine Remy-Jardin and Andreas Maier},
journal= {arXiv preprint arXiv:2001.01100},
year = {2020}
}