基于残差注意力网络的手骨年龄评估
计算机视觉与模式识别
2019-01-18 v1 机器学习
摘要
计算机自动方法已被用于提升手骨年龄评估的效率与客观性。这些方法依据整张X射线图像进行预测，其中包含可能引入干扰的其他物体。相反，我们的框架受手骨年龄评估的临床流程（Tanner-Whitehouse）启发，该流程关注手的关键组成部分。所提出的框架由两个部分组成：用于像素级手部分割的Mask R-CNN子网络，以及用于手骨年龄评估的残差注意力网络。Mask R-CNN子网络从X射线图像中分割出手部，以避免其他物体（如X射线标签）的干扰。残差注意力子网络的层次化注意力组件迫使我们的网络聚焦于X射线图像的关键组成部分，并生成最终预测及相关的视觉支持，类似于临床医生的评估过程。我们在RSNA儿科骨龄数据集上评估了所提出流程的性能，结果证明了其相对于先前方法的优越性。
引用
@article{arxiv.1901.05876,
title = {Residual Attention based Network for Hand Bone Age Assessment},
author = {Eric Wu and Bin Kong and Xin Wang and Junjie Bai and Yi Lu and Feng Gao and Shaoting Zhang and Kunlin Cao and Qi Song and Siwei Lyu and Youbing Yin},
journal= {arXiv preprint arXiv:1901.05876},
year = {2019}
}