基于监督对比学习的上颌窦副鼻窦异常分类
图像与视频处理
2022-09-07 v1 计算机视觉与模式识别
机器学习
摘要
利用深度学习技术，可在MRI图像中自动检测副鼻窦系统的异常，并可根据其体积、形状以及局部对比度等参数进一步分析和分类。然而，由于训练数据有限，传统的监督学习方法往往难以泛化。现有的副鼻窦异常分类深度学习方法最多用于诊断一种异常。在我们的工作中，我们考虑三种异常。具体而言，我们采用3D CNN将无异常的上颌窦体积与有异常的上颌窦体积分离开来。为了从少量标注数据中学习鲁棒表示，我们提出了一种结合对比损失与交叉熵损失的新型学习范式。特别地，我们使用监督对比损失，促使有异常和无异常的上颌窦体积嵌入形成两个 distinct 簇，而交叉熵损失促使3D CNN保持其判别能力。我们报告称，联合优化两种损失优于仅优化一种损失。我们还发现我们的训练策略带来了标签效率。使用我们的方法，3D CNN分类器达到0.85的AUROC，而仅以交叉熵损失优化的3D CNN分类器达到0.66的AUROC。
引用
@article{arxiv.2209.01937,
title = {Supervised Contrastive Learning to Classify Paranasal Anomalies in the Maxillary Sinus},
author = {Debayan Bhattacharya and Benjamin Tobias Becker and Finn Behrendt and Marcel Bengs and Dirk Beyersdorff and Dennis Eggert and Elina Petersen and Florian Jansen and Marvin Petersen and Bastian Cheng and Christian Betz and Alexander Schlaefer and Anna Sophie Hoffmann},
journal= {arXiv preprint arXiv:2209.01937},
year = {2022}
}