模拟真实MRI变异以改进深度学习模型及基于GradCAM的视觉解释
图像与视频处理
2021-11-02 v1 人工智能
计算机视觉与模式识别
摘要
在医学领域，MRI中的标志点检测在减轻医疗技术人员的扫描规划、图像配准等任务负担方面发挥着重要作用。首先，在矢状面、冠状面和轴位三个相应视图中手动标注分布于脑部解剖结构的88个标志点，随后按亚解剖结构获取临床专家技术人员的指导，以更好地定位现有标志点，从而在斜位扫描中也能识别和定位重要的图谱标志点。为克服数据有限的可用性，我们实现了真实数据增强以生成合成3D体数据。我们使用改进的HighRes3DNet模型来解决脑MRI体标志点检测问题。为了对训练好的模型在未见数据上进行视觉解释，并区分较强模型与较弱模型，我们实现了梯度加权类激活映射（Grad-CAM），其生成粗定位图以高亮模型关注的区域。我们的实验表明，所提方法取得了良好的结果，且整体流程可扩展至可变数量的标志点及其他解剖结构。
引用
@article{arxiv.2111.00837,
title = {Simulating Realistic MRI variations to Improve Deep Learning model and visual explanations using GradCAM},
author = {Muhammad Ilyas Patel and Shrey Singla and Razeem Ahmad Ali Mattathodi and Sumit Sharma and Deepam Gautam and Srinivasa Rao Kundeti},
journal= {arXiv preprint arXiv:2111.00837},
year = {2021}
}
备注
8 pages, 9 figures, IEEE-CCEM 2021 conference