面向多域医学图像检索的通用模型
计算机视觉与模式识别
2020-07-20 v1 信息检索
图像与视频处理
摘要
医学图像检索（MIR）帮助医生快速找到相似患者的数据，可极大辅助诊断过程。由于数字成像模态的广泛使用以及医学图像库的增多，MIR 正变得日益有用。然而，医院中各种数字成像模态的普及也给 MIR 带来了若干挑战。通常，一个图像检索模型仅被训练用于处理来自单一模态或单一来源的图像。当有需求从多个来源或域检索医学图像时，需要维护多个检索模型，成本高昂。本文研究了一个重要但未被探索的任务：如何训练一个适用于多域医学图像的 MIR 模型？简单融合多域训练数据无法解决该问题，因为在使用现有方法联合训练时某些域会更快过拟合。因此，我们提出通过通用嵌入将多个专家 MIR 模型中的知识蒸馏到单一多域 MIR 模型中以解决此问题。利用皮肤病、X 光和视网膜图像数据集，我们验证了所提出的通用模型能有效完成多域 MIR。
引用
@article{arxiv.2007.08628,
title = {Universal Model for Multi-Domain Medical Image Retrieval},
author = {Yang Feng and Yubao Liu and Jiebo Luo},
journal= {arXiv preprint arXiv:2007.08628},
year = {2020}
}
备注
arXiv admin note: substantial text overlap with arXiv:2003.03701