使用深度网络量化囊性纤维化中的肺部异常
计算机视觉与模式识别
2018-03-22 v1
摘要
囊性纤维化是一种遗传性疾病，可能在生命早期表现为肺组织的结构异常。我们提出使用纹理分类方法检测这些异常。我们的方法由两个卷积神经网络级联而成。第一个网络检测异常组织的存在。第二个网络识别结构异常的类型：支气管扩张、肺不张或粘液栓塞。我们还提出了一个网络，仅从图像块级标注中学习，以计算异常存在的逐像素热图。我们的数据库包含 194 名受试者的 CT 扫描。我们使用 154 名受试者训练算法，其余 40 名作为测试集。我们将我们的方法与随机森林和单一神经网络方法进行了比较。第一个网络在疾病检测上达到 0.94 的准确率，比随机森林分类器高 0.18，比单一神经网络高 0.37。我们的级联方法产生了 0.33 的最终类别平均 F1 分数，比基线方法和单一网络分别高出 0.10 和 0.12。
引用
@article{arxiv.1803.07991,
title = {Quantification of Lung Abnormalities in Cystic Fibrosis using Deep Networks},
author = {Filipe Marques and Florian Dubost and Mariette Kemner-van de Corput and Harm A. W. Tiddens and Marleen de Bruijne},
journal= {arXiv preprint arXiv:1803.07991},
year = {2018}
}
备注
SPIE - Medical Imaging 2018: Image Processing