• 主题
高级搜索  >
历史搜索 清空历史
首页> 美国卫生研究院文献>other >Holistic classification of CT attenuation patterns for interstitial lung diseases via deep convolutional neural networks
【2h】

Holistic classification of CT attenuation patterns for interstitial lung diseases via deep convolutional neural networks

机译：深度卷积神经网络对间质性肺疾病CT衰减模式的整体分类

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Interstitial lung diseases (ILD) involve several abnormal imaging patterns observed in computed tomography (CT) images. Accurate classification of these patterns plays a significant role in precise clinical decision making of the extent and nature of the diseases. Therefore, it is important for developing automated pulmonary computer-aided detection systems. Conventionally, this task relies on experts’ manual identification of regions of interest (ROIs) as a prerequisite to diagnose potential diseases. This protocol is time consuming and inhibits fully automatic assessment. In this paper, we present a new method to classify ILD imaging patterns on CT images. The main difference is that the proposed algorithm uses the entire image as a holistic input. By circumventing the prerequisite of manual input ROIs, our problem set-up is significantly more difficult than previous work but can better address the clinical workflow. Qualitative and quantitative results using a publicly available ILD database demonstrate state-of-the-art classification accuracy under the patch-based classification and shows the potential of predicting the ILD type using holistic image.
机译：间质性肺疾病（ILD）涉及在计算机断层扫描（CT）图像中观察到的几种异常成像模式。这些模式的准确分类在疾病的范围和性质的精确临床决策中起着重要作用。因此，对于开发自动化的肺部计算机辅助检测系统很重要。按照惯例，此任务依赖于专家对感兴趣区域（ROI）的手动识别，作为诊断潜在疾病的先决条件。该协议耗时并且禁止全自动评估。在本文中，我们提出了一种在CT图像上对ILD成像模式进行分类的新方法。主要区别在于，所提出的算法将整个图像用作整体输入。通过规避手动输入ROI的先决条件，我们的问题设置比以前的工作困难得多，但可以更好地解决临床工作流程。使用可公开获得的ILD数据库的定性和定量结果证明了在基于补丁的分类下最新的分类准确性，并显示了使用整体图像预测ILD类型的潜力。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
代理获取

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号