Application of attention-based Siamese composite neural network in medical image recognition

要約

タイトル：医療画像認識におけるアテンションベースのシャルム合成ニューラルネットワークの応用

要約：

– 実際のアプリケーションにおいて、医療画像認識では不十分なデータの問題がよく発生する。
– 少数条件下での画像認識・処理は、過学習、低い認識精度、低い信頼性、不十分な頑健性を生じる。
– 微妙な特徴の違いや視点、背景、遮蔽などの影響を受け、認識が困難になることが多い。
– また、細かい画像では、少数条件の問題により、画像の有用な特徴情報が不十分になりがちである。
– この研究では、少数条件と細かい画像認識の特徴を考慮し、アテンションとシャルムニューラルネットワークに基づく認識モデルを構築した。
– 少数条件下の問題に対応するため、分類モデルに適したシャルムニューラルネットワークを提案している。
– アテンションベースのニューラルネットワークをメインネットワークとして使用し、分類効果を改善している。
– Covid-19肺サンプルをテストに選んで、モデルの性能を検証した。
– 結果は、画像サンプル数が少ないほど、通常のニューラルネットワークよりも明らかに優れた性能を示すことを示している。

要約(オリジナル)

Medical image recognition often faces the problem of insufficient data in practical applications. Image recognition and processing under few-shot conditions will produce overfitting, low recognition accuracy, low reliability and insufficient robustness. It is often the case that the difference of characteristics is subtle, and the recognition is affected by perspectives, background, occlusion and other factors, which increases the difficulty of recognition. Furthermore, in fine-grained images, the few-shot problem leads to insufficient useful feature information in the images. Considering the characteristics of few-shot and fine-grained image recognition, this study has established a recognition model based on attention and Siamese neural network. Aiming at the problem of few-shot samples, a Siamese neural network suitable for classification model is proposed. The Attention-Based neural network is used as the main network to improve the classification effect. Covid- 19 lung samples have been selected for testing the model. The results show that the less the number of image samples are, the more obvious the advantage shows than the ordinary neural network.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI