基于关键帧引导网络的超声视频甲状腺结节识别
计算机视觉与模式识别
2022-07-01 v3
摘要
超声检查广泛用于甲状腺结节（良性/恶性）的临床诊断。然而，其准确性严重依赖放射科医生的经验。尽管深度学习技术已被研究用于甲状腺结节识别，当前的解决方案主要基于静态超声图像，利用的时间信息有限且与临床诊断不一致。本文提出一种通过充分探索超声视频和关键帧来实现甲状腺结节自动识别的新方法。我们首先提出一个检测-定位框架，用于在每个超声视频中自动识别具有典型结节的临床关键帧。基于定位的关键帧，我们开发了用于甲状腺结节识别的关键帧引导视频分类模型。此外，我们引入运动注意力模块以帮助网络聚焦于超声视频中的重要帧，这与临床诊断相一致。所提出的甲状腺结节识别框架在临床收集的超声视频上进行了验证，展现出优于其他最先进方法的性能。
引用
@article{arxiv.2206.13318,
title = {Key-frame Guided Network for Thyroid Nodule Recognition using Ultrasound Videos},
author = {Yuchen Wang and Zhongyu Li and Xiangxiang Cui and Liangliang Zhang and Xiang Luo and Meng Yang and Shi Chang},
journal= {arXiv preprint arXiv:2206.13318},
year = {2022}
}