用于脑部病变检测的带l2范数单元的深度神经网络
计算机视觉与模式识别
2018-01-08 v1
摘要
自动化脑部病变检测是一项重要且极具挑战性的临床诊断任务，因为病变具有不同的大小、形状、对比度和位置。深度学习近来在许多应用领域显示出令人鼓舞的进展，这促使我们将该技术应用于这一重要问题。在本文中，我们提出了一种新颖且端到端可训练的方法，通过使用深度卷积神经网络（CNN）进行脑部病变分类和检测。为了研究其适用性，我们将该方法应用于几种脑部疾病，包括高级别和低级别胶质瘤、缺血性中风、阿尔茨海默病，其中脑部磁共振图像（MRI）被用作分析的输入。我们提出了一种新的操作单元，它接收来自底层子单元多个投影的特征，并为下一层计算归一化的l2范数。我们在两种不同的CNN架构和多个流行的基准数据集上评估了所提出的方法。实验结果证明了所提出方法的优越能力。
引用
@article{arxiv.1708.05221,
title = {Deep Neural Network with l2-norm Unit for Brain Lesions Detection},
author = {Mina Rezaei and Haojin Yang and Christoph Meinel},
journal= {arXiv preprint arXiv:1708.05221},
year = {2018}
}
备注
Accepted for presentation in ICONIP-2017