用于颅内出血检测的 PatchFCN
计算机视觉与模式识别
2019-04-16 v2
摘要
本文研究在头部计算机断层扫描（CT）上检测与分割急性颅内出血的问题。我们提出将两项任务均作为语义分割问题，使用基于块的完全卷积网络（PatchFCN）来求解。该表述使我们能准确定位出血区域，同时规避目标检测的复杂性。我们的系统在分类任务（回顾性与前瞻性测试集上 ROC 的 AUC 分别为 0.976、0.966）与分割任务（像素 AP 0.785、Dice 分数 0.766）上展现出与人类专家及当前最优方法具竞争力的性能，同时使用了更少的数据与更简单的系统。此外，我们进行了一系列受控实验以理解 PatchFCN 优于标准 FCN 的“原因”。我们的研究表明 PatchFCN 在训练时于批量多样性与上下文数量间找到了良好权衡。这些发现也可能适用于其他医学分割任务。
引用
@article{arxiv.1806.03265,
title = {PatchFCN for Intracranial Hemorrhage Detection},
author = {Weicheng Kuo and Christian Häne and Esther Yuh and Pratik Mukherjee and Jitendra Malik},
journal= {arXiv preprint arXiv:1806.03265},
year = {2019}
}