《Deep learning with non-medical training used for chest pathology identification》论文解读

该篇论文的主旨：

利用CNN网络在非医学图像数据集上进行训练，然后用93张医学图像进行测试，并利用AUC的面积进行衡量右肺胸腔积液检测，心脏肥大和健康和有病的图像分类问题。作者提出这是史无前例的利用非医学图像来训练，但是模型在医学图像上依然通用的方法。

验证深度学习CNNs方法在胸片图像数据上的病理检测的效果。

在训练ImageNet图像分类的网络结构图

以ImageNet中的数据集作为输入，分为1000个种类，设计的CNN深度网络结构模式。

用ImageNet预训练生成的网络CNN，然后用PicoDes（包括各种流行的底层特征，SIFR,GIST,PHOG,SSIM）来提取图像特征，将提取的图像特征标准化后输入到线性的SVM分类器中得到是不是有病的检测结果，然后将上次提取的图像特征和Gist,Bow以及LBP等特征混合后输入到CNN网络中得到最后的结果。

参考文献：

Yaniv Bar, Idit Diamant, Lior Wolf , Hayit Greenspan. Deep learning with non-medical training used for chest pathology identification

以上仅代表我个人理解，如有错误，欢迎指正讨论！