OPHash:学习器官和病理学的情境敏感哈希用于医疗图像检索
Asim Manna1, Rakshith Sathish2, Ramanathan Sethuraman3
1Indian Institute of Technology Kharagpur, Department of Artificial Intelligence, Kharagpur, West Bengal, India.
Journal of medical imaging (Bellingham, Wash.)
|February 21, 2025
概括
这项研究介绍了OPHash,这是一种用于医学图像检索的新型深度神经哈希方法. OPHash有效地根据器官和病理相似性检索图像,显著提高诊断准确度.
科学领域:
- 医疗成像医学成像
- 计算机视觉 计算机视觉
- 人工智能的人工智能
背景情况:
- 准确的医学图像检索对于临床诊断至关重要.
- 深度神经哈希 (DNH) 提供快速的图像检索,但传统方法难以同时捕捉器官和病理的相似性.
研究的目的:
- 为医疗图像检索开发一种改进的深度神经哈希方法.
- 增强基于器官和病理信息的同时检索图像.
主要方法:
- 提出了OPHash,一种器官和病理学上下文监督的哈希方法.
- 使用了三种类型的样本 (袋) 并引入了哈希表示的关系相似性.
- 使用分类损失,Cauchy交叉检索损失和区分器损失训练OPHash.
主要成果:
- 与最先进的方法相比,最高100个检索的平均平均精度高出24%.
- 在多种不同的医学成像数据集中证明了更好的检索效率.
结论:
- OPHash有效地根据器官和相关病理的语义相似性检索医疗图像.
- 该方法是无视图像大小的,适用于多个器官和病理,提高了检索效率.
更多相关视频
07:15Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model
Published on: August 16, 2020
6.6K
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K
