Fibro-CoSANet：基于卷积自注意力网络的肺纤维化预后预测
图像与视频处理
2021-12-08 v1 计算机视觉与模式识别
机器学习
摘要
特发性肺纤维化（IPF）是一种限制性间质性肺病，因肺组织瘢痕化导致肺功能下降。尽管肺功能下降通过用力肺活量（FVC）评估，但确定 IPF 的准确进展仍具挑战。为应对该挑战，我们提出了 Fibro-CoSANet，一种新颖的基于端到端多模态学习的方法，用于预测 FVC 下降。Fibro-CoSANet 在带有堆叠注意力层的卷积神经网络框架中利用 CT 图像与人口统计学信息。在 OSIC 肺纤维化进展数据集上的大量实验表明，我们提出的 Fibro-CoSANet 取得了新的最优（state-of-the-art）修正拉普拉斯对数似然分数 -6.68，具有优越性。该网络可能有益于关注设计网络以提升 IPF 预后准确性的研究领域。Fibro-CoSANet 的源代码可在：\url{https://github.com/zabir-nabil/Fibro-CoSANet} 获取。
引用
@article{arxiv.2104.05889,
title = {Fibro-CoSANet: Pulmonary Fibrosis Prognosis Prediction using a Convolutional Self Attention Network},
author = {Zabir Al Nazi and Fazla Rabbi Mashrur and Md Amirul Islam and Shumit Saha},
journal= {arXiv preprint arXiv:2104.05889},
year = {2021}
}
备注
12 Pages