CNN 中用于肺结节弱监督分割的判别性定位
计算机视觉与模式识别
2018-02-26 v2
摘要
在肺部计算机断层扫描 (CT) 上自动检测和分割肺结节有助于早期肺癌诊断。现有的用于 CT 扫描上自动结节分割的监督方法需要基于体素的标注进行训练，获取这些标注耗时耗力。本工作中，我们提出一种弱监督方法，仅使用图像级标签训练即可生成准确的体素级结节分割。通过适配一个为图像分类训练的卷积神经网络 (CNN)，我们提出的方法从不同尺度的卷积单元激活图中学习判别性区域，并利用一种新颖的候选筛选框架确定真实结节位置。在公开 LIDC-IDRI 数据集上的实验结果表明，我们的弱监督结节分割框架与全监督的基于 CNN 的分割方法相比具有竞争力。
引用
@article{arxiv.1707.01086,
title = {Discriminative Localization in CNNs for Weakly-Supervised Segmentation of Pulmonary Nodules},
author = {Xinyang Feng and Jie Yang and Andrew F. Laine and Elsa D. Angelini},
journal= {arXiv preprint arXiv:1707.01086},
year = {2018}
}