图像分辨率是否影响基于胸部 X 光的细粒度结核病一致病灶分割？
图像与视频处理
2023-01-30 v2 计算机视觉与模式识别
摘要
深度学习（DL）模型在分割医学图像中解剖与疾病感兴趣区域（ROIs）方面处于最先进水平。特别是，已报道大量使用胸部 X 光（CXRs）的基于 DL 的技术。然而，这些模型据称为缺乏计算资源相关原因而在降低的图像分辨率上训练。文献鲜少讨论训练这些模型以分割 CXRs 中结核病（TB）一致病灶的最优图像分辨率。本研究中，我们使用 Inception-V3 UNet 模型调查了使用不同图像分辨率（有/无肺 ROI 裁剪与长宽比调整）的性能变化，并（ii）通过广泛实证评估确定了最优图像分辨率以改进 TB 一致病灶分割性能。我们使用深圳 CXR 数据集进行研究，其包含 326 名正常患者与 336 名 TB 患者。我们提出了一种组合方法，包括存储模型快照、优化分割阈值与测试时增强（TTA），以及平均快照预测，以在最优分辨率下进一步提升性能。实验结果表明，较高图像分辨率并非总是必要，但确定最优图像分辨率对取得优越性能至关重要。
引用
@article{arxiv.2301.04032,
title = {Does image resolution impact chest X-ray based fine-grained Tuberculosis-consistent lesion segmentation?},
author = {Sivaramakrishnan Rajaraman and Feng Yang and Ghada Zamzmi and Zhiyun Xue and Sameer Antani},
journal= {arXiv preprint arXiv:2301.04032},
year = {2023}
}
备注
17 pages, 7 figures, 5 tables