胸片中目标解剖结构与遮挡的分离
医学物理
2020-02-04 v1 计算机视觉与模式识别
机器学习
图像与视频处理
机器学习
摘要
胸部 X 光片是常用的低成本筛查与诊断检查。然而，X 光片是 3D 结构的 2D 表示，造成显著杂乱，妨碍视觉检查与自动图像分析。在此，我们提出一种全卷积网络，针对特定任务抑制 X 光片中不需要的视觉结构，同时保留如肺实质等相关图像信息。所提算法从高分辨率 CT 扫描生成重建 X 光片与真值数据。结果表明，在仅有限训练数据可用时，去除与分类任务无关的视觉变化可提升分类器性能。这一点尤为相关，因为真值病例数量少在医学影像中十分常见。
引用
@article{arxiv.2002.00751,
title = {Separation of target anatomical structure and occlusions in chest radiographs},
author = {Johannes Hofmanninger and Sebastian Roehrich and Helmut Prosch and Georg Langs},
journal= {arXiv preprint arXiv:2002.00751},
year = {2020}
}
备注
5 pages, 1 figure