基于ILSVRC模型的集成架构用于帕金森病检测
图像与视频处理
2020-07-27 v1 计算机视觉与模式识别
摘要
本文利用脑部磁共振T1图像探索多种神经网络架构，以识别最常见的神经退行性和运动障碍疾病之一——帕金森病（Parkinson's Disease, PD）。我们提出了三种集成架构，组合了ImageNet大规模视觉识别挑战赛（ILSVRC）中的若干优胜卷积神经网络模型。我们提出的所有架构均优于现有从磁共振图像检测帕金森病的方法，检测准确率最高可达95%。我们还发现，当使用在与帕金森病无关的ImageNet数据集上预训练的模型构建集成架构时，其检测性能显著优于未经过任何预训练的模型。这一发现为缺乏或没有足够训练数据的情况指明了一个有前景的方向。
引用
@article{arxiv.2007.12496,
title = {Parkinson's Disease Detection with Ensemble Architectures based on ILSVRC Models},
author = {Tahjid Ashfaque Mostafa and Irene Cheng},
journal= {arXiv preprint arXiv:2007.12496},
year = {2020}
}
备注
arXiv admin note: substantial text overlap with arXiv:2007.00682