重振骨骼：骨质疏松症分类研究
计算机视觉与模式识别
2017-07-19 v1
摘要
骨质疏松症可通过观察骨骼的二维 X 射线图像进行识别。健康骨骼与病变骨骼图像之间的高度相似性使得分类成为一项挑战。良好的骨纹理表征技术对于识别骨质疏松症病例至关重要。局部二值模式 (LBP)、灰度共生矩阵 (GLCM) 等标准纹理特征提取技术已被用于此目的。在本文中，我们将卷积神经网络提取的深度特征与这些传统特征进行了比较。结果表明，深度特征具有更强的判别能力，基于深度特征训练的分类器始终优于基于传统特征训练的分类器。
引用
@article{arxiv.1707.05385,
title = {Make Your Bone Great Again : A study on Osteoporosis Classification},
author = {Rahul Paul and Saeed Alahamri and Sulav Malla and Ghulam Jilani Quadri},
journal= {arXiv preprint arXiv:1707.05385},
year = {2017}
}