基于时间相干性的超声视频半监督乳腺病灶检测
计算机视觉与模式识别
2019-07-17 v1
摘要
超声视频中的乳腺病灶检测对计算机辅助诊断至关重要。然而，由于病灶边界模糊、与软组织高度相似以及缺乏视频标注，视频中的病灶检测极具挑战性。本文提出一种基于时间相干性的半监督乳腺病灶检测方法，可更准确地检测病灶。我们通过自适应关键帧调度策略聚合从历史关键帧提取的特征。我们提出的方法利用来自另一组标注图像的监督信息完成未标注视频的检测任务。此外，设计了一种新的 WarpNet 来替代传统的空间扭曲和特征聚合操作，从而大幅提速。在 1,060 个二维超声序列上的实验表明，我们提出的方法达到了 SOTA 的视频检测结果：平均精度均值为 91.3%，GPU 上每帧 19 ms，而基于 RetinaNet 的检测方法分别为 86.6% 和 32 ms。
引用
@article{arxiv.1907.06941,
title = {Semi-supervised Breast Lesion Detection in Ultrasound Video Based on Temporal Coherence},
author = {Sihong Chen and Weiping Yu and Kai Ma and Xinlong Sun and Xiaona Lin and Desheng Sun and Yefeng Zheng},
journal= {arXiv preprint arXiv:1907.06941},
year = {2019}
}