利用疾病进展学习进行医学图像识别
计算机视觉与模式识别
2019-05-29 v2
摘要
与自然图像不同，医学图像通常具有可被神经网络学习利用的内在特征。例如，属于疾病不同阶段的图像可能连续遵循某种进展模式。本文提出一种利用疾病进展学习进行医学图像识别的新方法。在我们的方法中，按疾病阶段排序的图像序列由一个神经网络学习，该网络由用于特征提取的共享视觉模型与用于阶段序列学习的长短期记忆网络组成。我们还加入辅助视觉输出以捕捉在疾病进展中趋于离散的阶段特征。我们所提方法在一个公开的糖尿病视网膜病变数据集上进行了评估，与不使用疾病进展学习的基线方法相比，疾病分期准确率提高了约 3.3%。
引用
@article{arxiv.1806.10128,
title = {Leveraging Disease Progression Learning for Medical Image Recognition},
author = {Qicheng Lao and Thomas Fevens and Boyu Wang},
journal= {arXiv preprint arXiv:1806.10128},
year = {2019}
}