面向医学图像预测性纹理模式发现的无监督深度聚类方法
计算机视觉与模式识别
2020-02-11 v1 机器学习
摘要
影像数据中的预测性标记模式是量化疾病及其进展的一种手段，但在底层生物学机制尚不清楚的情况下，其识别颇具挑战。本文提出一种以无监督方式识别医学图像中预测性纹理模式的方法。基于深度聚类网络，我们在低维潜空间中同时对医学图像块进行编码与聚类。所得聚类可作为疾病分期的特征，将其与 underlying 疾病相关联。我们在 70 例不同肝脂肪变性的 T1 加权磁共振图像上对该方法进行了评估。该深度聚类方法能够找到具有稳定排序的预测性聚类，以 0.78 的 F1 分数区分低度与高度脂肪变性。
引用
@article{arxiv.2002.03721,
title = {Unsupervised deep clustering for predictive texture pattern discovery in medical images},
author = {Matthias Perkonigg and Daniel Sobotka and Ahmed Ba-Ssalamah and Georg Langs},
journal= {arXiv preprint arXiv:2002.03721},
year = {2020}
}
备注
Medical Imaging meets NeurIPS 2019