利用空间注意力优化膝关节损伤检测并验证其定位能力
计算机视觉与模式识别
2021-08-19 v1 机器学习
摘要
本工作采用预训练的多视角卷积神经网络(CNN)结合空间注意力模块来优化膝关节损伤检测。我们分析所用的是带有图像级标签的开源磁共振成像(MRI)数据集。由于MRI数据从三个平面采集,我们比较了使用单平面与多平面(多平面)数据的技术。对于多平面,我们探究了网络中融合各平面的多种方法。该分析产生了新颖的'MPFuseNet'网络,并在检测前交叉韧带(ACL)撕裂和异常MRI方面取得了最先进的曲线下面积(AUC)分数,分别达到0.977和0.957的AUC分数。随后我们开发了客观指标惩罚定位精度(PLA)以验证模型的定位能力。该指标比较由Grad-Cam输出生成的二值掩码与放射科医生在MRI样本上的标注。我们还以模型无关的方式提取了可解释性特征,并经放射科医生验证与临床相关。
引用
@article{arxiv.2108.08136,
title = {Optimising Knee Injury Detection with Spatial Attention and Validating Localisation Ability},
author = {Niamh Belton and Ivan Welaratne and Adil Dahlan and Ronan T Hearne and Misgina Tsighe Hagos and Aonghus Lawlor and Kathleen M. Curran},
journal= {arXiv preprint arXiv:2108.08136},
year = {2021}
}