基于弱监督学习的三维注意力一致双深度网络用于冠状动脉钙化检测
计算机视觉与模式识别
2018-11-13 v1
摘要
冠状动脉钙（CAC）是晚期亚临床冠状动脉疾病的生物标志物，可预测60岁前的心肌梗死和死亡。逐层手动勾画一直被视为冠状动脉钙化检测的黄金标准。然而，人工操作耗时耗力，甚至难以应用于大规模队列。本文中，我们提出注意力一致双网络（AID-Net），利用扫描-重扫描纵向非增强CT扫描，仅使用每扫描级别标签进行弱监督注意力下的CAC检测。为提升性能，将三维注意力机制集成到AID-Net中，为分类任务提供互补信息。此外，在测试阶段还提出了三维梯度加权类激活映射（Grad-CAM）以解释深度神经网络的行为。5075例非增强胸部CT扫描被用作训练、验证和测试数据集。在同一队列上评估基线性能。结果显示，所提AID-Net在分类准确率（0.9272）和AUC（0.9627）上取得了优越性能。
引用
@article{arxiv.1811.04289,
title = {Coronary Calcium Detection using 3D Attention Identical Dual Deep Network Based on Weakly Supervised Learning},
author = {Yuankai Huo and James G. Terry and Jiachen Wang and Vishwesh Nath and Camilo Bermudez and Shunxing Bao and Prasanna Parvathaneni and J. Jeffery Carr and Bennett A. Landman},
journal= {arXiv preprint arXiv:1811.04289},
year = {2018}
}
备注
Accepted by SPIE medical imaging 2019