Subject2Vec：从一组图像块到向量的生成-判别方法
计算机视觉与模式识别
2018-07-02 v1
摘要
我们提出一种基于注意力的方法，将局部图像特征聚合成用于预测疾病严重程度的受试者级表示。与需要固定维度输入的经典深度学习不同，我们的方法作用于一组图像块；因此它可以适应可变长度输入图像而无需图像缩放。该模型学习一个反映疾病严重程度的临床可解释受试者级表示。我们的模型由三个相互依赖并彼此约束的模块组成：（1）一个从局部特征学习定长表示并将其映射到疾病严重程度的判别网络；（2）一个通过关注对预测任务贡献最大的解剖区域来提供可解释性的注意力机制；（3）一个鼓励局部潜特征多样性的生成网络。生成项确保注意力权重非退化，同时保持局部区域与疾病严重程度的相关性。我们在一个大规模慢性阻塞性肺疾病（COPD）肺部CT研究背景下端到端训练模型。我们的模型在预测COPD临床严重程度指标上取得了最先进的性能。注意力的分布提供了肺组织与临床测量的区域相关性。
引用
@article{arxiv.1806.11217,
title = {Subject2Vec: Generative-Discriminative Approach from a Set of Image Patches to a Vector},
author = {Sumedha Singla and Mingming Gong and Siamak Ravanbakhsh and Frank Sciurba and Barnabas Poczos and Kayhan N. Batmanghelich},
journal= {arXiv preprint arXiv:1806.11217},
year = {2018}
}
备注
MICCAI 2018