基于高效分层网络（ELNet）利用 MRI 检测膝关节损伤
图像与视频处理
2020-10-01 v3 计算机视觉与模式识别
摘要
磁共振成像（MRI）是一种被广泛接受的膝关节损伤分析成像技术。其捕捉膝关节三维结构的优势使其成为放射科医生定位膝关节潜在撕裂的理想工具。为了更好地应对肌肉骨骼（MSK）放射科医生日益增长的工作负担，用于患者分诊的自动化工具正成为切实需求，以减少病理病例阅片的延迟。在本工作中，我们提出高效分层网络（ELNet），一种为分诊任务中的膝关节 MRI 初步诊断而优化的卷积神经网络（CNN）架构。与以往方法不同，我们从头训练 ELNet，而非使用迁移学习方法。所提方法在定量与定性上得到验证，并在仅使用单一成像栈（轴位或冠状位）作为输入时，优于最先进的 MRNet。此外，我们展示了模型在训练无定位信息情况下定位膝关节撕裂的能力。最后，所提模型极其轻量（< 1MB），因此易于在真实临床环境中训练和部署。我们的模型代码见：https://github.com/mxtsai/ELNet。
引用
@article{arxiv.2005.02706,
title = {Knee Injury Detection using MRI with Efficiently-Layered Network (ELNet)},
author = {Chen-Han Tsai and Nahum Kiryati and Eli Konen and Iris Eshed and Arnaldo Mayer},
journal= {arXiv preprint arXiv:2005.02706},
year = {2020}
}
备注
11 pages, 4 figures, Accepted to the Medical Imaging and Deep Learning (MIDL) Conference 2020