利用不确定性估计减少肝脏病变检测中的假阳性
图像与视频处理
2021-01-27 v3 计算机视觉与模式识别
机器学习
摘要
尽管深度学习技术在医学图像物体检测方面取得了成功，但假阳性检测时有发生，可能妨碍准确诊断。我们提出一种技术，利用以神经网络预测的不确定性图衍生特征训练的SVM分类器，减少神经网络产生的假阳性检测。我们在腹部MR图像数据集上展示了该方法在肝脏病变检测中的有效性。我们发现使用0.5的dropout率使神经网络预测中的假阳性数量最少，且训练后的分类器在测试集中过滤掉了约90%的这些假阳性检测。
引用
@article{arxiv.2101.04386,
title = {Using uncertainty estimation to reduce false positives in liver lesion detection},
author = {Ishaan Bhat and Hugo J. Kuijf and Veronika Cheplygina and Josien P. W. Pluim},
journal= {arXiv preprint arXiv:2101.04386},
year = {2021}
}
备注
Accepted at IEEE ISBI 2021