基于 OCT 与深度迁移学习方法的上呼吸道消化道病变自动分类研究
计算机视觉与模式识别
2019-10-10 v1
摘要
癌症的早期发现对于治疗和患者的整体存活率至关重要。在上呼吸道消化道（UADT）中，识别恶性组织的金标准是侵入性活检。近年来，共焦激光显微镜和光学相干断层扫描（OCT）等非侵入性成像技术已被用于组织评估。特别是，在最近的一项研究中，专家仅使用 OCT 图像根据病变的侵袭性对 UADT 病变进行了分类。由于结果令人鼓舞，病变的自动分类可能是可行的，这可以辅助专家进行决策。因此，我们探讨了基于 OCT 图像的病变自动分类问题。由于可用数据集极小且数据质量有限，该任务极具挑战性。然而，由于类似问题在许多临床场景中很典型，我们研究了深度学习方法在何种程度上仍能被训练并用于决策支持。
引用
@article{arxiv.1902.03618,
title = {Towards Automatic Lesion Classification in the Upper Aerodigestive Tract Using OCT and Deep Transfer Learning Methods},
author = {Nils Gessert and Matthias Schlüter and Sarah Latus and Veronika Volgger and Christian Betz and Alexander Schlaefer},
journal= {arXiv preprint arXiv:1902.03618},
year = {2019}
}
备注
Accepted for publication at CARS 2019