一种基于透明度策略的乳腺X线摄影BI-RADS分类数据增强方法
计算机视觉与模式识别
2023-04-19 v2
摘要
图像增强技术已被广泛研究，以提升深度学习（DL）算法在乳腺X线摄影分类任务上的性能。近期方法已证明图像增强在解决数据匮乏或数据不平衡问题上的有效性。本文提出一种新颖的透明度策略，以提升乳腺X线摄影分类器的乳腺影像报告和数据系统（BI-RADS）评分。所提方法利用感兴趣区域（ROI）信息，从原始图像生成更多乳腺癌（BI-RADS 3、4、5）的高风险训练样本。我们在三个不同数据集上的大量实验表明，所提方法显著提升了乳腺X线摄影分类性能，并超越了称为CutMix的先进数据增强技术。本研究还强调，我们的透明度方法比其他增强策略对BI-RADS分类更有效，并可广泛应用于其他计算机视觉任务。
引用
@article{arxiv.2203.10609,
title = {A Novel Transparency Strategy-based Data Augmentation Approach for BI-RADS Classification of Mammograms},
author = {Sam B. Tran and Huyen T. X. Nguyen and Chi Phan and Hieu H. Pham and Ha Q. Nguyen},
journal= {arXiv preprint arXiv:2203.10609},
year = {2023}
}
备注
Accepted for presentation at the 22nd IEEE Statistical Signal Processing (SSP) workshop