小样本下肺结节检测与分类的数据增强方法及嵌入机制
图像与视频处理
2023-03-24 v1 计算机视觉与模式识别
机器学习
摘要
通过 CT 检测肺结节用于早期肺癌筛查。基于深度学习的计算机辅助诊断（CAD）可识别 CT 图像中肺结节的疑似区域，从而提高 CT 诊断的准确性与效率。深度学习模型的准确性与鲁棒性至关重要。方法：本文探讨（1）基于生成模型的数据增强方法，以及（2）基于嵌入机制的模型结构改进方法。本研究引入两种策略：一种新的数据增强方法与一种嵌入机制。在增强方法中，提出一种三维像素级统计算法生成肺结节，并将伪造肺结节与健康肺组合，生成新的肺结节样本。嵌入机制通过引入隐变量，以更好理解肺结节样本像素的含义。结果：采用增强方法的 3DVNET 模型用于肺结节检测的结果表明，所提数据增强方法优于基于生成对抗网络（GAN）框架的方法，训练准确率提升 1.5%；采用嵌入机制进行肺结节分类的结果表明，嵌入机制明显提升了肺结节分类的准确性与鲁棒性，模型训练准确率接近 1，测试 F1 分数为 0.90。结论：所提数据增强方法与嵌入机制有利于提升模型的准确性与鲁棒性，并可进一步应用于其他常见诊断影像任务。
引用
@article{arxiv.2303.12801,
title = {A Data Augmentation Method and the Embedding Mechanism for Detection and Classification of Pulmonary Nodules on Small Samples},
author = {Yang Liu and Yue-Jie Hou and Chen-Xin Qin and Xin-Hui Li and Si-Jing Li and Bin Wang and Chi-Chun Zhou},
journal= {arXiv preprint arXiv:2303.12801},
year = {2023}
}