基于自监督卷积核的手工特征协调：增强超声心动图左心室高压疾病表型分析
图像与视频处理
2023-11-23 v3 计算机视觉与模式识别
机器学习
摘要
影像组学是一种从图像中提取定量手工特征以预测疾病的医学影像技术。这些特征的协调可确保跨不同成像设备与协议的特征提取一致性。协调方法包括标准化成像协议、统计调整及特征鲁棒性评估。左心室肥厚（LVH）与高血压性心脏病（HHD）等心肌疾病通过超声心动图诊断，但多变的成像设置带来挑战。在此场景下，协调技术对于将手工特征应用于疾病诊断至关重要。自监督学习（SSL）可在有限数据集中增强数据理解并适应多样数据设置。ConvNeXt-V2 将卷积层整合进 SSL，在多项任务中展现优越性能。本研究聚焦 SSL 中的卷积滤波器，将其用作预处理以将图像转换为特征图，从而实现手工特征协调。我们所提方法在协调评估中表现优异，且相较现有方法展现出更优的 LVH 分类性能。
引用
@article{arxiv.2310.08897,
title = {Self supervised convolutional kernel based handcrafted feature harmonization: Enhanced left ventricle hypertension disease phenotyping on echocardiography},
author = {Jina Lee and Youngtaek Hong and Dawun Jeong and Yeonggul Jang and Jaeik Jeon and Sihyeon Jeong and Taekgeun Jung and Yeonyee E. Yoon and Inki Moon and Seung-Ah Lee and Hyuk-Jae Chang},
journal= {arXiv preprint arXiv:2310.08897},
year = {2023}
}
备注
11 pages, 7 figures