27
2019 CVPR
Method ： 三分類 正常，可疑，青光眼
Dataset ：
Architecture : TRk-CNN
Results ： AC 92.26% SP 93.33% SE 95.12%
韓國
Method
TRk-CNN
-
backbone：DenseNet
-
data augmentation
放大縮小，隨機翻轉，crop
- Primitive classification
Ranking-CNN 提取 CAMs （類激活圖）
- ROI extraction
從每個CNN 中提取的 CAM 融合到 一個ROI 中
定義了距離函數，假設類之間存在線性關係
- Final classification
將前一個 ROI 階段 提取得到的 ROI 與 原始圖像結合，創建一個新的分類輸入
-
Loss
CELoss （ 類別交叉熵損失） 結合 平均精度
-
overall
Result
TRk-CNN 和 Ranking-CNN 、 multi-class CNN 比較
Discussion
- 能夠有效應用於待分類圖像類別之間具有高度相關性的方法
- 有望有效地應用於疾病狀態連續且呈正類方向增加的醫學圖像分類問題