OOOE：利用“仅存在一个对象”假设在胸部X线片中查找极小物体
计算机视觉与模式识别
2022-10-14 v1
摘要
插入式医用导管与患者解剖部位的精准定位是分析胸部X线片时的常见问题，也是深度神经网络有望实现自动化的任务。然而，许多异物如导管及各类解剖结构相对于整张胸片而言尺寸很小，导致数据严重不平衡，使深度神经网络训练困难。本文提出一个简单而有效的“仅存在一个对象”（OOOE）假设，以提升深度网络在胸片中定位小标志点的能力。OOOE使我们能将定位问题重新表述为分类问题，并以多类离散目标替代常用的连续回归技术。我们使用超过10万张胸片的大规模私有数据集以及公开的RANZCR-CLiP Kaggle挑战赛数据集验证方法，表明我们的方法持续优于常用的基于回归的检测模型以及常用的逐像素分类方法。此外，我们发现使用OOOE假设的方法可泛化至胸片中的多个检测问题，所得模型在检测插入患者的各类导管尖端及患者解剖结构上展现出最先进的性能。
引用
@article{arxiv.2210.06806,
title = {OOOE: Only-One-Object-Exists Assumption to Find Very Small Objects in Chest Radiographs},
author = {Gunhee Nam and Taesoo Kim and Sanghyup Lee and Thijs Kooi},
journal= {arXiv preprint arXiv:2210.06806},
year = {2022}
}
备注
AMAI Workshop, MICCAI 2022