HMIC：分层医学图像分类，一种深度学习方法
图像与视频处理
2020-06-25 v2 人工智能
计算机视觉与模式识别
机器学习
机器学习
摘要
图像分类是医学大数据革命的核心。通过深度学习方法，用于数字医学图像诊断与分类的改进信息处理方法已被证明是成功的。随着该领域的探索，传统监督分类器的性能存在局限。本文概述了一种不同于当前将医学图像分类视为多类分类任务的方法。我们使用分层医学图像分类（HMIC）方法进行了分层分类。HMIC使用堆叠的深度学习模型，在临床图像层次结构的每一层提供特定的理解。为测试我们的性能，我们使用小肠活检图像，其在父层级包含三类（乳糜泻、环境性肠病和组织学正常对照）。在子层级，乳糜泻严重程度被分为4类（I、IIIa、IIIb和IIIC）。
引用
@article{arxiv.2006.07187,
title = {HMIC: Hierarchical Medical Image Classification, A Deep Learning Approach},
author = {Kamran Kowsari and Rasoul Sali and Lubaina Ehsan and William Adorno and Asad Ali and Sean Moore and Beatrice Amadi and Paul Kelly and Sana Syed and Donald Brown},
journal= {arXiv preprint arXiv:2006.07187},
year = {2020}
}