用于胸片胸部疾病分类与定位的弱监督深度学习
计算机视觉与模式识别
2018-07-18 v1
摘要
胸片是临床实践中最常见且可负担的放射学检查之一。尽管在胸片上检测胸部疾病对机器智能仍是挑战，原因在于 1）不同胸部疾病患者在 X 光上病灶区域外观高度多变，以及 2）放射科医生缺乏准确的像素级标注用于模型训练。现有机器学习方法无法应对胸部疾病通常发生于局部疾病特定区域的挑战。本文中，我们提出一种弱监督深度学习框架，配备挤压激励块、多图迁移与最大最小池化，用于分类胸部疾病并定位可疑病灶区域。在 ChestX-ray14 数据集上进行了综合实验与讨论。数值与可视化结果均证明了所提模型的有效性及其相对于最先进流程的更优性能。
引用
@article{arxiv.1807.06067,
title = {Weakly Supervised Deep Learning for Thoracic Disease Classification and Localization on Chest X-rays},
author = {Chaochao Yan and Jiawen Yao and Ruoyu Li and Zheng Xu and Junzhou Huang},
journal= {arXiv preprint arXiv:1807.06067},
year = {2018}
}
备注
10 pages. Accepted by the ACM BCB 2018