基于多个视野的注意力驱动网络,用于弱监督的常见胆道结石检测
Ya-Han Chang1, Meng-Ying Lin2, Ming-Tsung Hsieh2
1Department of Computer Science and EngineeringNational Chung Hsing University Taichung 402202 Taiwan.
概括
使用CT扫描检测常见胆道 (CBD) 石头是一个挑战. 一个新的深度学习模型,MFADNet,通过图像级标签准确地定位这些石头,帮助医生诊断.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 胃肠病学 胃肠病学
背景情况:
- 常见胆道 (CBD) 结石可能危及生命.
- 在CT扫描中检测小的,偏远的CBD石头是很困难的.
研究的目的:
- 开发一种低监督的深度学习方法,用于在CT扫描中检测CBD石头.
- 为了减轻医疗专业人员详细标签的负担.
主要方法:
- 提出了一个基于多个视野的注意力驱动网络 (MFADNet).
- 采用多重视野编码器和带有分类网络的注意力驱动解码器.
- 在端到端的培训中利用了四个损失 (前景,背景,一致性,分类).
主要成果:
- MFADNet准确地对CBD石头进行分类和定位.
- 与最先进的弱监督方法相比,表现出更高的性能.
结论:
- MFADNet提供了一种新的,弱监督的方法,用于从CT扫描中检测CBD石头.
- 该方法帮助医生自动诊断CBD石相关疾病.
