基于深度卷积神经网络与迁移学习技术的脑磁共振图像脑积水验证
计算机视觉与模式识别
2019-09-27 v1
摘要
脑积水既可以是独立疾病，也可以是多种疾病的伴随症状，因此在当今临床实践中是一个紧迫问题。深度学习是一项不断发展的技术，是更广阔的机器学习领域的一部分。目前深度学习在放射学领域被积极研究。本研究的目的是评估深度学习在使用MRI图像诊断脑积水方面的适用性。我们回顾性收集、标注并预处理了200例有和无脑积水放射学征象患者的脑部MRI数据。我们应用最先进的深度卷积神经网络结合迁移学习方法训练脑积水分类器模型。利用深度卷积神经网络，我们获得了高质量的机器学习模型。脑积水征象识别的准确率、灵敏度和特异度分别为97%、98%和96%。在本研究中，我们展示了深度神经网络利用脑部MRI图像识别脑积水综合征的能力。应用迁移学习技术，尽管训练数据相当有限，仍实现了高质量的分类。
引用
@article{arxiv.1909.10473,
title = {Hydrocephalus verification on brain magnetic resonance images with deep convolutional neural networks and "transfer learning" technique},
author = {Alexey Demyanchuk and Ekaterina Pushkina and Nikolay Russkikh and Dmitry Shtokalo and Sergey Mishinov},
journal= {arXiv preprint arXiv:1909.10473},
year = {2019}
}