基于深度卷积神经网络的马属动物放射影像分类
计算机视觉与模式识别
2022-05-02 v1
摘要
目的：评估深度卷积神经网络从一系列 48 种赛马肢体标准视图中分类解剖部位和投照方位的能力。材料与方法：使用 9504 张马属动物进口前放射影像来训练、验证和测试作为开源机器学习框架 PyTorch 一部分的六种深度学习架构。结果：ResNet-34 取得了 0.8408 的 top-1 准确率，且大多数（88%）误分类是由于左右侧判断错误。类激活图表明关节形态驱动了模型决策。结论：深度卷积神经网络能够将马属动物进口前放射影像分类为 48 种标准视图，包括在不依赖侧别标记存在的情况下对左右侧进行中等程度的区分。
引用
@article{arxiv.2204.13857,
title = {Equine radiograph classification using deep convolutional neural networks},
author = {Raniere Gaia Costa da Silva and Ambika Prasad Mishra and Christopher Riggs and Michael Doube},
journal= {arXiv preprint arXiv:2204.13857},
year = {2022}
}