基于多指标引导深度神经网络的超声肝纤维化诊断
图像与视频处理
2020-09-11 v1 计算机视觉与模式识别
摘要
准确分析纤维化分期对慢性乙型肝炎感染患者的随访具有十分重要的作用。本文提出一种用于自动预测肝纤维化的深度学习框架。与以往工作不同，我们的方法可利用多张超声图像提供的信息。进一步提出一种指标引导的学习机制，以缓解所提模型的训练难度。该方法遵循临床诊断流程，并使预测过程可解释。为支持训练，我们精心收集了一个包含 229 名患者的超声视频/图像、指标和标签的数据集。实验结果证明，我们提出的模型达到了最先进的性能，具体而言，准确率为 65.6%（比先前最佳高 20%）。
引用
@article{arxiv.2009.04924,
title = {Ultrasound Liver Fibrosis Diagnosis using Multi-indicator guided Deep Neural Networks},
author = {Jiali Liu and Wenxuan Wang and Tianyao Guan and Ningbo Zhao and Xiaoguang Han and Zhen Li},
journal= {arXiv preprint arXiv:2009.04924},
year = {2020}
}
备注
Jiali Liu and Wenxuan Wang are equal contribution