基于位置嵌入的两两距离学习用于尿路结石的细粒度诊断
计算机视觉与模式识别
2024-07-02 v1
摘要
尿路结石的精准诊断对于制定有效的治疗策略至关重要。然而，诊断过程常常因结石与周围组织之间的对比度低以及结石位置在不同患者间的差异性而复杂化。为此，我们提出一种新颖的基于位置嵌入的两两距离学习网络（LEPD-Net），该网络利用低剂量腹部 X 光成像结合位置信息，对尿路结石进行细粒度诊断。LEPD-Net 通过上下文感知区域增强来增强结石相关特征的表征，借助结石位置嵌入纳入关键位置知识，并通过创新的细粒度两两距离学习实现对细粒度目标的识别。此外，我们建立了一个关于尿路结石的内部数据集，以演示所提出方法的有效性。在该数据集上进行的全面实验表明，该框架显著优于现有的基于状态的方法。
引用
@article{arxiv.2407.00431,
title = {Location embedding based pairwise distance learning for fine-grained diagnosis of urinary stones},
author = {Qiangguo Jin and Jiapeng Huang and Changming Sun and Hui Cui and Ping Xuan and Ran Su and Leyi Wei and Yu-Jie Wu and Chia-An Wu and Henry B. L. Duh and Yueh-Hsun Lu},
journal= {arXiv preprint arXiv:2407.00431},
year = {2024}
}