少即是多：腹部超声图像的同步视图分类与 landmark 检测
计算机视觉与模式识别
2018-06-06 v2
摘要
腹部超声检查是最常见的超声检查，需要大量人工操作来获取标准腹部脏器视图、以文本标注视图并记录临床相关的脏器测量值。因此，脏器的自动视图分类与 landmark 检测有助于简化检查流程。然而，这是一个具有挑战性的问题，不仅因为超声模态固有的困难（例如低对比度和大变异），还因为任务之间的异质性，即对所有视图的一个分类任务，以及随后对每个相关视图的一个 landmark 检测任务。尽管卷积神经网络（CNN）在超声图像分析上已展现出比传统机器学习方法更有前景的结果，但由于大多数现有超声扫描仪有限的计算与内存资源，部署多个网络（每个任务一个）变得不切实际。为克服这些限制，我们提出一种多任务学习框架，以单一网络处理所有任务。该网络被集成以同时执行视图分类与 landmark 检测；它还配备全局卷积核、坐标约束以及一个条件对抗模块以提升性能。在基于 187,219 张超声图像的实验中，采用所提出的简化方法我们实现了：(1) 视图分类精度优于两位临床专家之间的一致性；(2) 基于 landmark 的测量误差与使用者间变异相当。该多任务方法还受益于训练过程中跨所有任务共享特征提取，从而优于逐个处理各任务的方法。
引用
@article{arxiv.1805.10376,
title = {Less is More: Simultaneous View Classification and Landmark Detection for Abdominal Ultrasound Images},
author = {Zhoubing Xu and Yuankai Huo and JinHyeong Park and Bennett Landman and Andy Milkowski and Sasa Grbic and Shaohua Zhou},
journal= {arXiv preprint arXiv:1805.10376},
year = {2018}
}
备注
Accepted to MICCAI 2018