多模态脑肿瘤分类
图像与视频处理
2020-10-07 v2 计算机视觉与模式识别
机器学习
摘要
癌症是一种复杂疾病，根据观察尺度的不同提供各类信息。虽然大多数肿瘤诊断通过观测组织病理学切片进行，但放射影像应能提供关于癌症诊断有效性的额外知识。本工作研究了一种结合全切片图像与磁共振图像以分类肿瘤的深度学习方法。具体而言，我们的方案包含一个强大、通用且模块化的全切片图像分类架构。实验在 2020 年计算精准医学（Computational Precision Medicine）挑战赛上前瞻性地开展，为一个 3 类不平衡分类任务。我们报告的交叉验证（ respective 验证）平衡准确率、kappa 和 f1 分别为 0.913、0.897 和 0.951（ respective 0.91、0.90 和 0.94）。出于研究目的，包括可重复性与直接性能比较，我们最终提交的模型可在 https://hub.docker.com/repository/docker/marvinler/cpm_2020_marvinler 提供的 Docker 镜像中开箱即用。
引用
@article{arxiv.2009.01592,
title = {Multimodal brain tumor classification},
author = {Marvin Lerousseau and Eric Deutsh and Nikos Paragios},
journal= {arXiv preprint arXiv:2009.01592},
year = {2020}
}