27
2019 CVPR
Method : 三分类 正常,可疑,青光眼
Dataset :
Architecture : TRk-CNN
Results : AC 92.26% SP 93.33% SE 95.12%
韩国
Method
TRk-CNN
-
backbone:DenseNet
-
data augmentation
放大缩小,随机翻转,crop
- Primitive classification
Ranking-CNN 提取 CAMs (类激活图)
- ROI extraction
从每个CNN 中提取的 CAM 融合到 一个ROI 中
定义了距离函数,假设类之间存在线性关系
- Final classification
将前一个 ROI 阶段 提取得到的 ROI 与 原始图像结合,创建一个新的分类输入
-
Loss
CELoss ( 类别交叉熵损失) 结合 平均精度
-
overall
Result
TRk-CNN 和 Ranking-CNN 、 multi-class CNN 比较
Discussion
- 能够有效应用于待分类图像类别之间具有高度相关性的方法
- 有望有效地应用于疾病状态连续且呈正类方向增加的医学图像分类问题