机构名称：
¥ 1.0
简介：推测血管来源的腔隙，也称为腔隙性梗塞，对于评估脑小血管病 1 和痴呆症等认知疾病 2 非常重要。然而，由于腔隙规模小、稀疏且模仿，从图像数据中对腔隙进行目视评级具有挑战性、耗时且依赖于评级者。虽然自动算法的最新发展已证明可以在保持灵敏度的同时更快地检测出腔隙，但它们也显示出大量的假阳性 3,4 ，这使得它们不适合用于临床实践或大规模研究。在这里，我们开发了一个新颖的框架，除了检测腔隙之外，还可以输出分类负担分数。该分数可以提供更实用的腔隙存在估计，从而简化并有效加速腔隙的成像评估。我们假设检测和分类分数的结合会使程序对噪声标签的敏感度降低。
基于先验知识的深度学习填补空白......
主要关键词
相关文件推荐
