基于卷积神经网络与手工纹理特征的 VI 型胶原相关肌病严重程度分类
图像与视频处理
2022-12-15 v2 计算机视觉与模式识别
摘要
磁共振成像（MRI）是一种用于低患病率神经肌肉疾病临床评估的非侵入性工具。自动化诊断方法可能减少活检需求，并为疾病随访提供有价值的信息。本文提出了三种方法，根据受累程度对 VI 型胶原相关肌病病例中的目标肌肉进行分类，具体包括一个卷积神经网络、一个用于分类纹理特征的全连接网络，以及一种融合两类特征集的混合方法。所提方法在来自 26 名受试者的轴向 T1 加权 Turbo Spin-Echo MRI 上进行了评估，包括处于不同进展阶段的 Ullrich 先天性肌营养不良和 Bethlem 肌病患者。混合模型取得了最佳的交叉验证结果，全局准确率为 93.8%，健康、轻度和中重度病例的 F 值分别为 0.99、0.82 和 0.95。
引用
@article{arxiv.2202.13853,
title = {Severity classification in cases of Collagen VI-related myopathy with Convolutional Neural Networks and handcrafted texture features},
author = {Rafael Rodrigues and Susana Quijano-Roy and Robert-Yves Carlier and Antonio M. G. Pinheiro},
journal= {arXiv preprint arXiv:2202.13853},
year = {2022}
}
备注
(C) 2022 IEEE. Personal use of this material is permitted. Permission from IEEE must be obtained for all other uses, in any current or future media, including reprinting/republishing this material for advertising or promotional purposes, creating new collective works, for resale or redistribution to servers or lists, or reuse of any copyrighted component of this work in other works