用于胸部 X 光预处理的 Y-Net：几何分类与标注分割同步进行
图像与视频处理
2020-05-11 v1 计算机视觉与模式识别
机器学习
摘要
在过去十年中，卷积神经网络（CNNs）已成为图像分类与分割的领先算法。近期大型医学影像数据库的发布加速了它们在生物医学领域的应用。虽然照片分类的训练数据受益于激进的几何增强，但医学诊断——尤其是胸部 X 光片——更依赖于特征位置。诊断分类结果可能因依赖放射学标注而人为提升。本工作引入了将胸部 X 光输入机器学习算法前的一个通用预处理步骤。基于 VGG11 编码器的改进 Y-Net 架构被用于同时学习胸部的几何朝向（相似变换参数）与放射学标注的分割。胸部 X 光取自已发布数据库。该算法使用 1000 张带增强的手动标注图像训练。结果由临床专家评估，几何可接受率 95.8%、标注掩膜 96.2%（n=500），而对照图像分别为 27.0% 与 34.9%（n=241）。我们假设这一预处理步骤将提升未来诊断算法的鲁棒性。
引用
@article{arxiv.2005.03824,
title = {Y-Net for Chest X-Ray Preprocessing: Simultaneous Classification of Geometry and Segmentation of Annotations},
author = {John McManigle and Raquel Bartz and Lawrence Carin},
journal= {arXiv preprint arXiv:2005.03824},
year = {2020}
}
备注
Accepted EMBC 2020