基于 CNN 的扩散加权 MR 图像病灶分类中针对偏离采集协议的域适应
计算机视觉与模式识别
2018-07-18 v1
摘要
端到端深度学习利用卷积神经网络（CNN）架构改进了扩散加权 MR 图像（DWI）上的乳腺癌分类。与先前基于模型的方法相比，CNN 的一个局限是依赖于训练期间使用的特定 DWI 输入通道。然而，在大规模应用背景下，由于临床站点间扫描协议的高度偏差，对异构输入不敏感的方法是可取的。我们提出基于模型的域适应，以克服输入依赖，并通过在部署时从改变的输入通道恢复训练输入，避免在临床站点重新训练网络。我们展示了该方法在分类性能上的显著提升，以及相对于在模型参数而非原始 DWI 图像上操作的训练方案所提供的隐式域适应的优越性。
引用
@article{arxiv.1807.06277,
title = {Domain Adaptation for Deviating Acquisition Protocols in CNN-based Lesion Classification on Diffusion-Weighted MR Images},
author = {Jennifer Kamphenkel and Paul F. Jaeger and Sebastian Bickelhaupt and Frederik Bernd Laun and Wolfgang Lederer and Heidi Daniel and Tristan Anselm Kuder and Stefan Delorme and Heinz-Peter Schlemmer and Franziska Koenig and Klaus H. Maier-Hein},
journal= {arXiv preprint arXiv:1807.06277},
year = {2018}
}
备注
accepted at the MICCAI workshop on Breast Image Analysis