X 射线图像的端到端深度诊断
图像与视频处理
2020-03-20 v1 计算机视觉与模式识别
摘要
在这项工作中，我们提出了一个用于 X 射线图像诊断的端到端深度学习框架。作为第一步，我们的系统判断提交的图像是否为 X 射线。在分类 X 射线类型后，它运行专用的异常分类网络。本工作中我们仅关注胸部 X 射线以进行异常分类。然而，该系统可轻松扩展至其他 X 射线类型。我们的深度学习分类器基于 DenseNet-121 架构。在“是否为 X 射线”、“X 射线类型分类”和“胸部异常分类”任务上获得的测试集准确率分别为 0.987、0.976 和 0.947，由此得到端到端准确率为 0.91。为了在“胸部异常分类”上取得优于当前最优（state-of-the-art）的结果，我们采用了新的 RAdam 优化器。我们还使用梯度加权类激活映射（Gradient-weighted Class Activation Mapping）对结果进行可视化解释。我们的结果表明了通用在线投影放射成像诊断系统的可行性。
引用
@article{arxiv.2003.08605,
title = {End-to-End Deep Diagnosis of X-ray Images},
author = {Kudaibergen Urinbayev and Yerassyl Orazbek and Yernur Nurambek and Almas Mirzakhmetov and Huseyin Atakan Varol},
journal= {arXiv preprint arXiv:2003.08605},
year = {2020}
}
备注
4 pages, 5 figures