Resumen

La técnica de aprendizaje profundo ha tenido un enorme impacto en el procesamiento y análisis de imágenes médicas. Normalmente, el procedimiento de procesamiento y análisis de imágenes médicas mediante la técnica de aprendizaje profundo incluye la segmentación de imágenes, la mejora de imágenes y la clasificación o regresión. Un reto para el aprendizaje profundo supervisado que se menciona con frecuencia es la falta de datos de entrenamiento anotados. En este artículo, pretendemos abordar los problemas del entrenamiento de redes neuronales profundas transferidas con una cantidad limitada de datos anotados. Proponemos un marco versátil para el procesamiento y análisis de imágenes médicas mediante la técnica de aprendizaje profundo activo. El marco incluye (1) la aplicación de un enfoque de aprendizaje activo profundo para segmentar regiones de interés específicas (RoIs) a partir de imágenes médicas sin procesar utilizando el menor número posible de datos anotados; (2) se emplea una red generativa adversarial para mejorar el contraste, la nitidez y el brillo de las RoIs segmentadas; (3) una estrategia de aprendizaje de transferencia gradual (PTL) que significa ajustar las capas de las redes neuronales profundas de arriba a abajo paso a paso para realizar tareas de clasificación o regresión de imágenes médicas. Además, para comprender la necesidad de las tareas de procesamiento de imágenes médicas basadas en el aprendizaje profundo y proporcionar pistas para el uso clínico, en nuestro marco se emplea el mapa activo de clase (CAM) para visualizar los mapas de características. Para ilustrar la eficacia del marco propuesto, aplicamos nuestro marco a la tarea de evaluación de la edad ósea (BAA) utilizando el conjunto de datos RSNA y alcanzamos el rendimiento más avanzado. Los resultados experimentales indican que el marco propuesto puede aplicarse eficazmente a tareas de análisis de imágenes médicas.

• Materias:Ingeniería electrónica Redes Inalámbricas Modelo computacional Procesamiento de señales asistido por computador Procesamiento de datos
• Subjects:Electronic engineering Wireless Networks Computational Model Signal processing computer-assisted Data processing
• Palabras claves:procesamiento de imágenes médicas, marco, redes neuronales profundas, análisis, enfoque de aprendizaje activo profundo, técnica de aprendizaje activo profundo, tarea de análisis de imágenes médicas, tareas de procesamiento de imágenes médicas, aprendizaje por transferencia de ritmo, datos de entrenamiento anotados
• Keywords:medical image processing, framework, deep neural networks, analysis, deep active learning approach, deep active learning technique, medical image analysis task, medical image processing tasks, paced transfer learning, annotated training data