FusionNet：融合形状与纹理的3D腹部CT扫描异常检测
计算机视觉与模式识别
2019-08-28 v2
摘要
腹部CT扫描的自动异常检测可帮助医生提高诊断的准确性和效率。本文旨在检测胰腺导管腺癌（PDAC），即最常见的胰腺癌。鉴于肿瘤的存在会影响胰腺的形状和纹理，我们设计了一个同时提取形状与纹理特征以检测PDAC的系统。本文针对这一3D分类任务提出一种两阶段方法。首先，我们将胰腺分割为二值掩码。其次，提出一种FusionNet，以二值掩码和CT图像作为输入并进行二分类。FusionNet的最优架构通过搜索预定义的函数空间获得。我们表明，单独使用形状或纹理信息的分类结果具有互补性，且通过优化架构融合二者后性能大幅提升。我们的方法在200张正常扫描和136张PDAC扫描上实现了97%的特异度和92%的敏感度。
引用
@article{arxiv.1908.07654,
title = {FusionNet: Incorporating Shape and Texture for Abnormality Detection in 3D Abdominal CT Scans},
author = {Fengze Liu and Yuyin Zhou and Elliot Fishman and Alan Yuille},
journal= {arXiv preprint arXiv:1908.07654},
year = {2019}
}
备注
Accepted to MICCAI 2019 Workshop(MLMI)(8 pages, 3 figures)