一种用于缺失模态分割的统一表示网络
计算机视觉与模式识别
2019-08-20 v1
摘要
过去几年中，机器学习在包括分割在内的许多医学图像分析领域取得了突破性成果。然而一个关键假设是训练与测试分布相匹配。我们研究了一种该假设明显被违背的现实场景，即缺失输入模态的分割。我们描述了两种能处理可变数量输入模态的神经网络方法。其一是模态丢弃：对训练过程简单却出奇有效的修改。其二是统一表示网络：一种将可变数量的输入模态映射为可用于分割等下游任务的统一表示的网络架构。我们证明模态丢弃使标准分割网络对缺失模态具备合理鲁棒性，但若在统一表示上训练，同一网络表现更佳。
引用
@article{arxiv.1908.06683,
title = {A unified representation network for segmentation with missing modalities},
author = {Kenneth Lau and Jonas Adler and Jens Sjölund},
journal= {arXiv preprint arXiv:1908.06683},
year = {2019}
}