用于甲状腺结节分类的轻量级残差网络
计算机视觉与模式识别
2024-09-05 v1 图像与视频处理
摘要
超声是一种有用的甲状腺结节诊断技术。在超声图像中自动区分良性和恶性结节可以提供诊断建议，或在缺乏专家的情况下提高诊断准确率。这里的主要问题是如何针对该特定任务收集合适的特征。我们在此提出一种基于 Residual U-net 的从超声图像中提取特征的技术。我们试图将显著的语义特征引入分类中。我们的模型获得了 95% 的分类准确率。
引用
@article{arxiv.1911.08303,
title = {Lightweight Residual Network for The Classification of Thyroid Nodules},
author = {Ponugoti Nikhila and Sabari Nathan and Elmer Jeto Gomes Ataide and Alfredo Illanes and Michael Friebe and Srichandana Abbineni},
journal= {arXiv preprint arXiv:1911.08303},
year = {2024}
}
备注
1 Page , 1 Figure , IEEE EMBS