用于显著性图精修的区域提议以实现弱监督疾病定位与分类
计算机视觉与模式识别
2020-05-25 v2 机器学习
摘要
从医学图像诊断疾病的自动化系统部署面临一项挑战：需定位所诊断疾病以证明或解释分类决策。该要求难以满足，因为用于开发这些系统的大多数训练集仅含全局标注，使疾病定位成为一种弱监督方法。为弱监督疾病分类与定位设计的主要方法依赖于并非专为定位训练的显著性图或注意力图，或依赖于无法精修以产生准确检测的区域提议。本文中，我们引入一种结合区域提议与显著性检测的新模型，以克服弱监督疾病分类与定位的两方面局限。使用 ChestX-ray14 数据集，我们表明所提模型确立了弱监督疾病诊断与定位的新最先进水平。
引用
@article{arxiv.2005.10550,
title = {Region Proposals for Saliency Map Refinement for Weakly-supervised Disease Localisation and Classification},
author = {Renato Hermoza and Gabriel Maicas and Jacinto C. Nascimento and Gustavo Carneiro},
journal= {arXiv preprint arXiv:2005.10550},
year = {2020}
}
备注
Early accept at MICCAI 2020