DeepOpht：基于深度模型与视觉解释的视网膜图像医学报告生成
计算机视觉与模式识别
2020-11-03 v1 人工智能
计算与语言
机器学习
多媒体
摘要
本工作中，我们提出一种基于 AI 的方法，旨在改进常规视网膜疾病诊疗流程，并帮助眼科医生提升诊断效率与准确性。所提方法由一个基于深度神经网络（DNN-based）的模块（包括视网膜疾病识别器和临床描述生成器）以及一个 DNN 视觉解释模块组成。为训练和验证我们 DNN 模块的有效性，我们提出了一个大规模视网膜疾病图像数据集。同时，作为真值，我们提供了一个由眼科医生手动标注的视网膜图像数据集，以定性展示所提基于 AI 的方法有效。通过实验结果，我们表明所提方法在定量与定性上均有效。我们的方法能够生成具有临床相关性的有意义视网膜图像描述和视觉解释。
引用
@article{arxiv.2011.00569,
title = {DeepOpht: Medical Report Generation for Retinal Images via Deep Models and Visual Explanation},
author = {Jia-Hong Huang and Chao-Han Huck Yang and Fangyu Liu and Meng Tian and Yi-Chieh Liu and Ting-Wei Wu and I-Hung Lin and Kang Wang and Hiromasa Morikawa and Hernghua Chang and Jesper Tegner and Marcel Worring},
journal= {arXiv preprint arXiv:2011.00569},
year = {2020}
}
备注
Accepted to IEEE WACV 2021