基于生成对抗网络的医学图像超分辨率重建
计算机视觉与模式识别
2019-11-22 v3 数值分析
数值分析
摘要
随着电子病历的日益普及，电子病历（EMR）数据呈爆发式增长。在海量数据中检索高质量EMR具有重要意义。本文以卒中疾病为研究对象，构建了具有检索功能的EMR价值网络。主要包括：1）建立电子病历数据库及相应的卒中知识图谱。2）相似性度量策略包含三部分（患者主诉、病理结果和医学图像）。患者主诉为文本数据，主要描述患者症状并以词语或短语表达，且以各症状独立勾选的方式输入；病理结果数据为结构化数字表达，故输入方式同患者主诉；图像相似性采用基于内容的图像检索（CBIR）技术。3）采用层次分析法（AHP）建立三类数据的权重并合成为单一指标。基于含200余条卒中记录的EMR数据库，使用留一法所得Top 5相似性准确率达85%以上。随着高质量记录不断入库，该系统未来可如Watson医生般成为辅助诊断与医生培训的良好工具。
引用
@article{arxiv.1902.00369,
title = {Medical Image Super-Resolution Using a Generative Adversarial Network},
author = {Yongpei Zhu and Xuesheng Zhang and Kehong Yuan},
journal= {arXiv preprint arXiv:1902.00369},
year = {2019}
}
备注
5 pages,2 figures