学习自编码的 Radon 投影
计算机视觉与模式识别
2017-10-04 v1
摘要
自编码器最近被用于编码医学图像。在本研究中，我们设计并验证了一个新框架，通过对压缩在自编码器最深层的 Radon 投影进行分类来检索医学图像。由于自编码器降低了维度，因此可以采用多层感知机 (MLP) 对图像进行分类。MLP 的集成促进了一种相当浅的学习架构，从而加快了训练速度。我们进行了比较研究，以检验自编码器对不同输入（如原始图像、方向梯度直方图 (HOG) 和归一化 Radon 投影）的能力。我们的框架在包含分布在 个不同类别的 张 x 射线图像的 IRMA 数据集上进行了基准测试。实验表明，IRMA 误差为 （相当于约 的准确率），优于使用自编码器从 IRMA 数据集进行检索的最新工作。
引用
@article{arxiv.1710.01247,
title = {Learning Autoencoded Radon Projections},
author = {Aditya Sriram and Shivam Kalra and H. R. Tizhoosh and Shahryar Rahnamayan},
journal= {arXiv preprint arXiv:1710.01247},
year = {2017}
}
备注
To appear in proceedings of The IEEE Symposium Series on Computational Intelligence (IEEE SSCI 2017), Honolulu, Hawaii, USA, Nov. 27 -- Dec 1, 2017