用于胰腺炎识别的区域操控融合网络
图像与视频处理
2019-07-04 v1 计算机视觉与模式识别
摘要
本工作首次尝试在CT扫描图像上自动识别胰腺炎。然而，与传统目标识别不同，此类胰腺炎识别由于局部病灶区域具有细粒度且非刚性的外观变化而具有挑战性。为此，我们提出一种定制化的区域操控融合网络（RMFN），以捕获局部病变的关键特征用于胰腺炎识别。具体而言，为有效突出不易察觉的病变区域，RMFN中提出了一种新颖的区域操控方案，通过不断将多尺度局部信息聚合到特征图上，以增强病变区域并削弱非病变区域。该方案可灵活嵌入现有神经网络中，如AlexNet和VGG。为评估所提方法的性能，我们从医院收集了一个关于胰腺炎的真实CT图像数据库\footnote{该数据库稍后可用}。在该数据库上的实验结果很好地证明了所提方法对胰腺炎识别的有效性。
引用
@article{arxiv.1907.01744,
title = {Region-Manipulated Fusion Networks for Pancreatitis Recognition},
author = {Jian Wang and Xiaoyao Li and Xiangbo Shu and Weiqin Li},
journal= {arXiv preprint arXiv:1907.01744},
year = {2019}
}