用于胸部疾病分类与敏感区域定位的深度神经网络动态路由
计算机视觉与模式识别
2018-08-20 v1
摘要
我们提出并评估了一种新的深度神经网络架构，用于胸部X光片的自动胸部疾病检测。深度神经网络通过以前馈方式堆叠多层卷积神经网络（CNN），在图像分类和目标检测等大量视觉识别任务中取得了巨大成功。然而，由于模型复杂度与判别能力之间的权衡，通过加深网络获得的性能提升已遇到瓶颈。我们在架构中利用最近提出的按协议路由（routing-by-agreement）机制来解决此问题。我们网络结构的一个新颖特征在于，它将路由扩展到两类层连接：（1）稠密层中特征图之间的连接，（2）最终分类层中主胶囊（primary capsules）与预测胶囊（prediction capsules）之间的连接。我们表明，在AUC分数度量下，我们的网络以少得多的层数取得了可比的结果。我们进一步通过生成梯度加权类激活映射（Grad-CAM）进行定位，展示了模型可解释性的综合益处。我们在NIH chestX-ray14数据集上展示了我们的结果，该数据集包含30,805名独特患者的112,120张图像，涵盖14种肺部疾病。
引用
@article{arxiv.1808.05744,
title = {Dynamic Routing on Deep Neural Network for Thoracic Disease Classification and Sensitive Area Localization},
author = {Yan Shen and Mingchen Gao},
journal= {arXiv preprint arXiv:1808.05744},
year = {2018}
}