MIXCAPS：一种基于胶囊网络的混合专家模型用于肺结节恶性预测
图像与视频处理
2020-08-17 v1 计算机视觉与模式识别
机器学习
摘要
包括肺炎、结核病和新型冠状病毒（COVID-19）等感染以及肺癌在内的肺部疾病广泛流行，通常被视为危及生命。特别是，肺癌是最常见和最致命的癌症之一，5年生存率较低。因此，肺癌的及时诊断至关重要，可挽救无数生命。在这方面，深度学习放射组学解决方案有望以端到端方式自行提取最有用的特征，而无需标注边界。在不同深度学习模型中，胶囊网络被提出以克服卷积神经网络（CNN）的缺点，如无法识别详细空间关系。胶囊网络迄今在医学影像问题中表现出令人满意的性能。利用其成功，在本研究中我们提出一种新颖的基于胶囊网络的混合专家模型，称为MIXCAPS。所提MIXCAPS架构不仅利用胶囊网络处理小数据集的能力，还通过卷积门控网络自动分割数据集。MIXCAPS使胶囊网络专家能够专注于数据的不同子集。我们的结果表明，MIXCAPS优于单一胶囊网络和CNN混合模型，准确率为92.88%，灵敏度为93.2%，特异度为92.3%，曲线下面积为0.963。我们的实验还显示门输出与若干手工特征之间存在关系，说明了所提MIXCAPS的可解释性。为进一步评估所提MIXCAPS架构的泛化能力，在脑肿瘤数据集上进行了额外实验，显示出MIXCAPS用于检测其他器官相关肿瘤的潜力。
引用
@article{arxiv.2008.06072,
title = {MIXCAPS: A Capsule Network-based Mixture of Experts for Lung Nodule Malignancy Prediction},
author = {Parnian Afshar and Farnoosh Naderkhani and Anastasia Oikonomou and Moezedin Javad Rafiee and Arash Mohammadi and Konstantinos N. Plataniotis},
journal= {arXiv preprint arXiv:2008.06072},
year = {2020}
}