利用无监督纹理原型解释放射学肺气肿亚型：MESA COPD 研究
计算机视觉与模式识别
2016-12-07 v1
摘要
肺气肿在传统上被细分为三种亚型，它们在计算机断层扫描(CT)上具有不同的放射学表现，并有助于慢性阻塞性肺疾病(COPD)的诊断。通过对这三种肺气肿亚型的监督学习，基于纹理的肺气肿亚型自动量化已被成功实现。在本工作中，我们证明了在大型异构 CT 扫描数据库上的无监督学习可以生成视觉上同质且不同、跨受试者可重现，并且能够准确预测三种标准放射学亚型的纹理原型。这些纹理原型实现了肺体积的自动标注，并为以更精细的肺气肿亚型对肺部 CT 扫描进行新解释开辟了道路。
引用
@article{arxiv.1612.01820,
title = {Explaining Radiological Emphysema Subtypes with Unsupervised Texture Prototypes: MESA COPD Study},
author = {Jie Yang and Elsa D. Angelini and Benjamin M. Smith and John H. M. Austin and Eric A. Hoffman and David A. Bluemke and R. Graham Barr and Andrew F. Laine},
journal= {arXiv preprint arXiv:1612.01820},
year = {2016}
}
备注
MICCAI workshop on Medical Computer Vision: Algorithms for Big Data (2016)