用于结构关系推理疾病诊断的交叉胸部图
计算机视觉与模式识别
2021-02-02 v2
摘要
在X射线图像的计算机辅助诊断中，定位病灶十分重要。然而，边界框级标注耗时费力。如何以少量甚至无精细标注准确地定位病灶是一个紧迫问题。尽管若干工作已用弱监督方法处理该问题，但性能仍有待提升。一个障碍是通用弱监督方法未能考虑X射线图像的特性，例如高度结构化的属性。因此我们提出交叉胸部图(CCG)，其通过模仿医生的训练与决策过程来提升自动病灶检测性能。CCG利用结构信息建模不同解剖区域间的图像内关系，以模拟医生观察不同区域的习惯。同时，任意图像对之间的关系由知识推理模块建模，以模拟医生比较多幅图像的习惯。我们将图像内与图像间信息整合入统一的端到端框架。在NIH Chest-14数据库（112,120张正面X射线图像，含14种疾病）上的实验结果表明，所提方法通过吸收医学领域的专业知识，在弱监督病灶定位中取得了最先进的性能。
引用
@article{arxiv.2101.08992,
title = {Cross Chest Graph for Disease Diagnosis with Structural Relational Reasoning},
author = {Gangming Zhao and Baolian Qi and Jinpeng Li},
journal= {arXiv preprint arXiv:2101.08992},
year = {2021}
}