知识引导的多视图深度课程学习用于肘部骨折分类
图像与视频处理
2021-10-22 v1 计算机视觉与模式识别
摘要
肘部骨折诊断常要求患者拍摄肘部X射线前后位和侧位视图。本文中，我们提出一种用于肘部骨折亚型分类任务的多视图深度学习方法。我们的策略利用迁移学习，先训练两个单视图模型（一个用于前后位，另一个用于侧位），然后将权重迁移到所提多视图网络架构中的对应层。同时，通过课程学习框架将定量医学知识整合进训练过程，使模型先从“较易”样本学习，再过渡到“较难”样本以取得更好性能。此外，我们的多视图网络既可在双视图设置下工作，也可接受单视图作为输入。我们通过在包含1964张图像的数据集上进行肘部骨折分类任务的广泛实验来评估该方法。结果表明，我们的方法在多种设置下优于两种相关的骨折研究 methods，且我们的技术能够提升被比较方法的性能。代码见 https://github.com/ljaiverson/multiview-curriculum。
引用
@article{arxiv.2110.10383,
title = {Knowledge-Guided Multiview Deep Curriculum Learning for Elbow Fracture Classification},
author = {Jun Luo and Gene Kitamura and Dooman Arefan and Emine Doganay and Ashok Panigrahy and Shandong Wu},
journal= {arXiv preprint arXiv:2110.10383},
year = {2021}
}
备注
MICCAI 2021 workshop. DOI: https://doi.org/10.1007/978-3-030-87589-3_57. URL: https://link.springer.com/chapter/10.1007/978-3-030-87589-3_57