基于蒙太奇的深度学习卷积神经网络用于创伤性脑损伤队列的三维医学图像检索
信息检索
2018-12-12 v1 机器学习
机器学习
摘要
临床上获取的计算机断层扫描（CT）脑成像分析对于创伤性脑损伤（TBI）结构表型的诊断、进展风险预测和治疗至关重要。然而，在实际临床成像场景中，通常除了全脑CT扫描外，还会采集全身CT图像（如颈部、腹部、胸部、骨盆）。例如，在典型的临床TBI成像队列样本中，仅约15%的CT扫描实际包含适用于脑体积分析的全脑CT图像；其余为部分脑或非脑图像。因此，通常需要人工图像检索过程以从整个队列中分离全脑CT扫描。然而，人工图像检索耗时耗力，对于更大的队列尤为困难。为减轻人工负担，本文提出一种称为基于深度蒙太奇的图像检索（dMIR）的自动化三维医学图像检索流程，其通过深度卷积神经网络对二维蒙太奇图像进行分类。所提图像处理方法的新颖之处在于基于蒙太奇图像刻画医学图像检索任务。在一个由2000例临床采集的TBI扫描组成的队列中，794例扫描用作训练数据，206例用作验证数据，其余1000例用作测试数据。所提方法在验证数据上达到accuracy=1.0、recall=1.0、precision=1.0、f1=1.0，在测试数据上达到accuracy=0.988、recall=0.962、precision=0.962、f1=0.962。因此，所提dMIR能够从大规模临床队列中准确检索CT全脑图像。
引用
@article{arxiv.1812.04118,
title = {Montage based 3D Medical Image Retrieval from Traumatic Brain Injury Cohort using Deep Convolutional Neural Network},
author = {Cailey I. Kerley and Yuankai Huo and Shikha Chaganti and Shunxing Bao and Mayur B. Patel and Bennett A. Landman},
journal= {arXiv preprint arXiv:1812.04118},
year = {2018}
}
备注
Accepted for SPIE: Medical Imaging 2019