ElixirNet：面向医学病灶检测的关系感知网络架构自适应
计算机视觉与模式识别
2020-03-20 v1 图像与视频处理
摘要
医学病灶检测网络的大部分进展仅限于对为自然图像设计的常规检测网络进行细微修改。然而，医学图像与自然图像之间存在巨大的领域鸿沟，其中医学图像检测常受若干领域特定挑战的困扰，例如高病灶/背景相似度、主导性微小病灶和严重类别不平衡。为自然图像手工设计的检测网络在差异显著的医学病灶领域无疑足够好吗？是否存在更强大的操作、滤波器和子网络更契合医学病灶检测问题尚待发现？本文中，我们引入一种新颖的 ElixirNet，其包含三个组件：1）TruncatedRPN 平衡正负数据以减少假阳性；2）Auto-lesion Block 自动为医学图像定制，以纳入区域提议间的关系感知操作，从而产生更合适且高效的分类与定位。3）关系迁移模块结合语义关系，并通过可解释的图迁移相关上下文信息，从而缓解所有类型病灶缺乏标注的问题。在 DeepLesion 和 Kits19 上的实验证明了 ElixirNet 的有效性，以更少的参数在灵敏度和精度上均优于 FPN。
引用
@article{arxiv.2003.08770,
title = {ElixirNet: Relation-aware Network Architecture Adaptation for Medical Lesion Detection},
author = {Chenhan Jiang and Shaoju Wang and Hang Xu and Xiaodan Liang and Nong Xiao},
journal= {arXiv preprint arXiv:2003.08770},
year = {2020}
}
备注
7 pages, 5 figure, AAAI2020