将医学图像的正常与异常特征分解为离散隐码用于基于内容的图像检索
计算机视觉与模式识别
2021-03-24 v1
摘要
在医学成像中，纯粹由疾病衍生的特征应反映异常发现偏离正常特征的程度。实际上，医生常常需要不含感兴趣异常发现的图像，或者相反，需要包含相似异常发现而不论正常解剖背景的图像。这称为医学图像的对比诊断阅片，对正确诊断至关重要。为支持对比诊断阅片，能够选择性地将医学图像中的正常与异常特征作为两个可分离语义组件来利用的基于内容的图像检索(CBIR)将是有用的。因此，我们提出一种神经网络架构，将医学图像的语义组件分解为两个隐码：正常解剖码和异常解剖码。正常解剖码表示若样本健康本应存在的正常解剖结构，而异常解剖码归因于反映偏离正常基线的异常变化。这些隐码通过向量量化被离散化以实现二值哈希，从而降低相似度搜索时的计算负担。通过基于正常解剖码或异常解剖码或两者组合计算相似度，我们的算法可根据所选语义组件从由胶质瘤脑磁共振图像组成的数据集中检索图像。我们的CBIR系统在定性和定量上均取得了显著结果。
引用
@article{arxiv.2103.12328,
title = {Decomposing Normal and Abnormal Features of Medical Images into Discrete Latent Codes for Content-Based Image Retrieval},
author = {Kazuma Kobayashi and Ryuichiro Hataya and Yusuke Kurose and Mototaka Miyake and Masamichi Takahashi and Akiko Nakagawa and Tatsuya Harada and Ryuji Hamamoto},
journal= {arXiv preprint arXiv:2103.12328},
year = {2021}
}