面向3D CT影像处理的无监督推荐标注算法
在3D CT影像分析上应用深度学习技术时,通常需要采用交互标注工具标注一组训练数据.针对3D CT影像一般包含数量较多的切片,医学影像交互标注工作量非常巨大且标注成本非常高的问题,提出一种面向3D CT影像数据交互标注的无监督推荐标注算法,通过构造稠密深度自动编码器DCDAE(densely-connected deep auto encoder)提取3D影像的高层特征,同时采用密度-谱聚类来筛选最具标注价值的影像,从而极大减少需要标注的数据量.算法提出了全自动的推荐标注流程,在提取图像特征时采用稠密连接结构改进DCDAE,减少了参数量并使得提取的特征更有区分度,同时对特征采用密度-谱聚类算法进行孤立点鉴别,并依据相关性矩阵自适应调整聚类个数;在肺结节语义分割任务上采用LIDC-IDRI数据集对算法进行了实验.
医学影像分析、深度自动编码器、聚类算法、推荐标注算法、交互标注
31
TP391.41(计算技术、计算机技术)
国家自然科学基金61772456, 61801428, 61672453, 81470244, 91642108, 81622001;浙江省自然科学基金LY18F020034;中国教育部科技司科技创新平台培育项目2017PT18;浙江大学教育基金K18-51120-004, K17-51120-017, K17-518051-021;之江实验室重大科研项目2018DG0ZX01;上海市申康发展中心三年行动计划SHDC1201606;上海市卫计委新百人2017BR026;上海市人才发展基金17SG23
2019-04-28（万方平台首次上网日期，不代表论文的发表时间）
共7页
183-189
