使用深度卷积神经网络的医学图像检索
计算机视觉与模式识别
2017-08-02 v1
摘要
随着数字影像数据在医院的广泛使用，医学图像存储库的规模正在迅速增长。这导致管理和查询这些大型数据库变得困难，从而催生了对基于内容的医学图像检索(CBMIR)系统的需求。CBMIR系统面临的一个主要挑战是成像设备捕获的低级视觉信息与人类感知的高级语义信息之间存在的语义鸿沟。此类系统的有效性在能够完全表征高级信息的特征表示方面更为关键。本文提出了一种用于CBMIR系统的深度学习框架，使用经过医学图像分类训练的深度卷积神经网络(CNN)。一个包含二十四个类别和五种模态的跨模态数据集被用来训练该网络。学习到的特征和分类结果被用于检索医学图像。在检索方面，当使用基于类别的预测时获得了最佳结果。分类任务的平均准确率达到99.77%，检索任务的平均精度均值达到0.69。所提出的方法最适合于检索不同身体器官的多模态医学图像。
引用
@article{arxiv.1703.08472,
title = {Medical Image Retrieval using Deep Convolutional Neural Network},
author = {Adnan Qayyum and Syed Muhammad Anwar and Muhammad Awais and Muhammad Majid},
journal= {arXiv preprint arXiv:1703.08472},
year = {2017}
}
备注
Submitted to Neurocomputing