XNet：一种适用于小数据集的医学 X 射线图像分割卷积神经网络（CNN）实现
计算机视觉与模式识别
2019-04-23 v2 人工智能
医学物理
摘要
X 射线图像增强以及许多其他医学图像处理应用，都需要将图像分割为骨骼、软组织和开放射束区域。我们采用机器学习方法解决该问题，提出了一种端到端方案，可实现鲁棒且高效的推理。由于医疗机构往往缺乏处理并标注神经网络训练通常所需大量 X 射线图像的算力资源，我们设计了一种面向小数据集的端到端方案，同时取得了最先进（SOTA）的结果。我们的实现达到了 92% 的总体准确率、0.92 的 F1 分数和 0.98 的 AUC，超越了聚类与基于熵的经典图像处理技术，并改进了现有用于非医学语境下分割的神经网络输出。本项目所用代码已在线公开。
引用
@article{arxiv.1812.00548,
title = {XNet: A convolutional neural network (CNN) implementation for medical X-Ray image segmentation suitable for small datasets},
author = {Joseph Bullock and Carolina Cuesta-Lazaro and Arnau Quera-Bofarull},
journal= {arXiv preprint arXiv:1812.00548},
year = {2019}
}
备注
11 pages, 5 figures, 2 tables