基于分组单发多框检测器的弱标记多期相 CT 体积肝病灶检测
计算机视觉与模式识别
2018-07-03 v1
摘要
我们提出了一种利用定制设计的多期相计算机断层扫描(CT)体积的局灶性肝病灶检测模型，该模型反映了使用单发多框检测器(SSD)的真实世界临床病灶检测实践。我们表明分组卷积能有效利用多期相数据更丰富的信息用于目标检测模型，而朴素地应用 SSD 则遭受泛化差距。我们通过五折交叉验证，使用包含 64 名受试者的 CT 数据集训练并评估了改进的 SSD 模型及近期提出的变体。我们的模型取得了 53.3% 的平均精度得分，且每个体积运行时间低于三秒，优于原始模型与最先进变体。结果表明，这种单阶段目标检测模型是一种实用方案，其近乎实时运行，并能从大体积真实世界检测数据集中学习无偏特征表示，该数据集所需的是较不繁琐且耗时的弱期相级边界框标签构建。
引用
@article{arxiv.1807.00436,
title = {Liver Lesion Detection from Weakly-labeled Multi-phase CT Volumes with a Grouped Single Shot MultiBox Detector},
author = {Sang-gil Lee and Jae Seok Bae and Hyunjae Kim and Jung Hoon Kim and Sungroh Yoon},
journal= {arXiv preprint arXiv:1807.00436},
year = {2018}
}
备注
Accepted at MICCAI 2018. 8 pages, 4 figures, 1 table