基于卷积神经网络与迁移学习的 IVOCT 图像冠状动脉斑块分类
计算机视觉与模式识别
2018-06-11 v1
摘要
冠状动脉中的晚期动脉粥样硬化是全球主要死亡原因之一，但其可预防且可治疗。为了对动脉粥样硬化病变（斑块）进行成像，可使用血管内光学相干断层扫描（IVOCT）。该技术提供动脉壁的高分辨率图像，使专家能够进行早期斑块检测。由于临床常规中采集了大量 IVOCT 图像，自动斑块检测已得到关注。例如，通过检查 IVOCT 图像中单条 A-扫描的衰减曲线来检测斑块。我们利用深度特征学习解决基于整幅 IVOCT 图像（动脉横截面视图）的自动斑块分类问题。通过这种方式，我们考虑了 A-扫描之间的上下文信息，并直接从图像源中学习相关特征，无需手工设计特征。
引用
@article{arxiv.1804.03904,
title = {Plaque Classification in Coronary Arteries from IVOCT Images Using Convolutional Neural Networks and Transfer Learning},
author = {Nils Gessert and Markus Heyder and Sarah Latus and Matthias Lutz and Alexander Schlaefer},
journal= {arXiv preprint arXiv:1804.03904},
year = {2018}
}
备注
Submitted to CARS 2018, accepted for publication