基于带注意力机制的深度卷积神经网络的全景片骨质疏松症预筛查
图像与视频处理
2021-10-20 v1 计算机视觉与模式识别
摘要
目的。本研究旨在探究带注意力模块的深度卷积神经网络（CNN）能否在全景片（PR）上检测骨质疏松症。研究设计。使用来自70名49至60岁不同受试者的70张全景片数据集，包括49名骨质疏松受试者与21名正常受试者。我们采用留一交叉验证方法生成70个训练与测试划分。具体而言，每次划分中，一张图像用于测试，其余69张用于训练。通过微调过程实现使用Siamese架构的深度卷积神经网络（CNN），借助从八个代表性骨小梁区域提取的图像块（图1）对PR图像分类。为自动学习不同PR图像块的重要性，将注意力模块集成入深度CNN。采用骨质疏松症准确率（OPA）、非骨质疏松症准确率（NOPA）与总体准确率（OA）三项指标评估性能。结果。所提基线CNN方法的OPA、NOPA与OA得分分别为0.667、0.878与0.814。借助注意力模块，OPA、NOPA与OA得分进一步提升至0.714、0.939与0.871。结论。所提方法利用带注意力模块的深度CNN取得有前景结果，或可应用于骨质疏松症预筛查。
引用
@article{arxiv.2110.09662,
title = {Osteoporosis Prescreening using Panoramic Radiographs through a Deep Convolutional Neural Network with Attention Mechanism},
author = {Heng Fan and Jiaxiang Ren and Jie Yang and Yi-Xian Qin and Haibin Ling},
journal= {arXiv preprint arXiv:2110.09662},
year = {2021}
}
备注
9 pages