深度学习:胸片—李飞飞Thoracic Disease Identification and Localization with Limited Supervision

一:目标:通过少量的位置注解信息的,同时进行识别(疾病预测评分)和定位

 

关键词:弱监督、多实例学习

弱监督:论文中采用的训练数据中只有一少部分是标注了Bounding box的数据,而绝大多数数据仅仅只有分类而没有bbox标签

多实例学习:文中提到,如果一张图片被标注了某种疾病的分类,那么这张图片中肯定存在至少一个patch对应于这种疾病,否则,如果一张图片被标注为健康,那么,任何一个patch都不会对应到疾病。

数据:chest x-ray image:


二、论文模型:end-to-end 

 

网络结构

  • a.将图像输入到残差网络resnet进行特征提取(残差网络去掉最后的分类层以及global pooling层)
  • b.将残差网络输出的特征图resize到相同的patch大小(h' x w' 变到P x P:小的变大(双线性插值)/大的变小(maxpooling))hwc-->ppc
  • c.通过全卷积网络进行分类(通过Patch Slicing之后的特征图首先送入3x3的卷基层中,得到c*个channel的
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值