面向3D CT影像处理的无监督推荐标注算法

作     者：冯浩哲 张鹏 徐欣楠 郝鹏翼 吴福理 吴健 陈为 Feng Haozhe;Zhang Peng;Xu Xinnan;Hao Pengyi;Wu Fuli;Wu Jian;Chen Wei

作者机构：浙江大学CAD&CG国家重点实验室杭州310058 浙江大学睿医人工智能研究中心杭州310007 同济大学附属上海市肺科医院胸外科上海200433 浙江工业大学计算机科学与技术学院杭州310014 浙江大学计算机科学与技术学院杭州310007 

出 版 物：《计算机辅助设计与图形学学报》 (Journal of Computer-Aided Design & Computer Graphics)

年 卷 期：2019年第31卷第2期

页      面：183-189页

核心收录：

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

基　　金：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) 

主　　题：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 

摘      要：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3DCT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.