融合医学图像特征与临床特征用于计算机辅助诊断的深度学习
图像与视频处理
2021-03-11 v1 计算机视觉与模式识别
机器学习
摘要
当前计算机辅助诊断(CAD)方法主要依赖医学图像。在实际临床诊断中通常需被考虑临床信息尚未在 CAD 中充分利用。本文中，我们提出一种基于深度学习的新方法，用于融合磁共振成像(MRI)/计算机断层扫描(CT)图像与临床信息以执行诊断任务。两条神经层路径分别用于提取图像特征与临床特征，同时临床特征被用作注意力以引导图像特征的提取。最终，这两种模态的特征被拼接以做出决策。我们在阿尔茨海默病诊断、轻度认知障碍转化者预测和肝微血管侵犯诊断的应用上评估了所提方法。令人鼓舞的实验结果证明了由临床特征引导的图像特征提取及两模态特征拼接用于分类的价值，其有效且稳定地提升了诊断性能。
引用
@article{arxiv.2103.05855,
title = {Fusing Medical Image Features and Clinical Features with Deep Learning for Computer-Aided Diagnosis},
author = {Songxiao Yang and Xiabi Liu and Zhongshu Zheng and Wei Wang and Xiaohong Ma},
journal= {arXiv preprint arXiv:2103.05855},
year = {2021}
}
备注
10 pages, 2 figures