Loc-VAE：从三维脑MR图像中学习结构局部化表示用于基于内容的图像检索
图像与视频处理
2022-10-04 v1 计算机视觉与模式识别
信息检索
机器学习
神经元与认知
摘要
基于内容的图像检索（CBIR）系统是一项新兴技术，可辅助医学图像的阅读与解读。由于三维脑MR图像是高维的，使用机器学习技术进行CBIR需进行降维。此外，对于可靠的CBIR系统，所得低维表示中的每个维度都必须与神经学上可解释的区域相关联。我们提出一种局部化变分自编码器（Loc-VAE），从三维脑MR图像提供神经解剖学可解释的的低维表示，用于临床CBIR。Loc-VAE基于-VAE，并附加约束使低维表示的每个维度对应于大脑的局部区域。所提Loc-VAE能够获取保留疾病特征且高度局部化的表示，即使在高压缩比（4096:1）下亦然。相比朴素-VAE，Loc-VAE获得的低维表示将各维度的局部性度量提升了4.61分，同时保持了可比的脑重建能力与关于阿尔茨海默病诊断的信息。
引用
@article{arxiv.2210.00506,
title = {Loc-VAE: Learning Structurally Localized Representation from 3D Brain MR Images for Content-Based Image Retrieval},
author = {Kei Nishimaki and Kumpei Ikuta and Yuto Onga and Hitoshi Iyatomi and Kenichi Oishi},
journal= {arXiv preprint arXiv:2210.00506},
year = {2022}
}
备注
6 pages, 6 figures. Accepted at the International Conference on Systems, Man, and Cybernetics (IEEE SMC '22)