用卷积神经网络估计跟腱愈合进展
计算机视觉与模式识别
2019-09-12 v2
摘要
在现代医疗实践中最常见的肌肉骨骼疾病之一——跟腱愈合过程中治疗方案进展的定量评估通常是一个漫长而复杂的过程：需要获取多种 MRI 协议并由放射科专家进行分析。在本文中，我们提出使用一种基于预训练卷积神经网络的新方法来显著降低该评估的复杂度。我们首先在来自 3000 多个 3D MRI 研究的超过 500,000 张 2D 轴位横截面上训练我们的神经网络，以根据患者状况将 MRI 图像分类为健康或损伤类别。然后我们取修改后的预训练网络的输出，并在特征的 PCA 降维空间上应用线性回归来评估治疗进展。我们的方法允许在 MRI 扫描期间需登记的数据量减少多达 5 倍且不丢失任何信息。此外，我们能够在 6 项主要标准中的 3 项上以与人体专家同等的准确度预测愈合过程阶段。最后，与当前依赖放射科医生主观意见的再生评估方法相反，我们的方法允许客观比较不同治疗方法，从而可改善诊断与患者康复。
引用
@article{arxiv.1806.05091,
title = {Estimating Achilles tendon healing progress with convolutional neural networks},
author = {Norbert Kapinski and Jakub Zielinski and Bartosz A. Borucki and Tomasz Trzcinski and Beata Ciszkowska-Lyson and Krzysztof S. Nowinski},
journal= {arXiv preprint arXiv:1806.05091},
year = {2019}
}
备注
Paper accepted to MICCAI'18