Video4MRI：基于 CNN 视频分类框架的脑磁共振图像分析实证研究
计算机视觉与模式识别
2023-02-27 v1 人工智能
机器学习
摘要
为解决医学图像识别问题，卷积神经网络（CNN）等计算机视觉技术常被使用。近来，基于 3D CNN 的模型主导了磁共振图像（MRI）分析领域。由于 MRI 数据与视频高度相似，我们对用于 MRI 分类的视频识别技术开展了广泛的实证研究，以回答以下问题：（1）我们能否直接将视频识别模型用于 MRI 分类，（2）哪种模型更适用于 MRI，（3）视频识别中如数据增强等常见技巧对 MRI 分类是否仍然有效？我们的工作表明，先进的视频技术有益于 MRI 分类。本文利用阿尔茨海默病和帕金森病的四个识别数据集，以及三种常用的视频识别模型和常用于视频任务的数据增强技术进行实验。在效率方面，结果表明视频框架比 3D-CNN 模型表现优 5%–11%，且可训练参数减少 50%–66%。本报告推进了 3D 医学影像与视频理解研究潜在融合的进程。
引用
@article{arxiv.2302.12688,
title = {Video4MRI: An Empirical Study on Brain Magnetic Resonance Image Analytics with CNN-based Video Classification Frameworks},
author = {Yuxuan Zhang and Qingzhong Wang and Jiang Bian and Yi Liu and Yanwu Xu and Dejing Dou and Haoyi Xiong},
journal= {arXiv preprint arXiv:2302.12688},
year = {2023}
}
备注
Accepted by IEEE ISBI'23