自适应平滑激活函数用于改进放射学扫描中的疾病诊断与器官分割
神经与进化计算
2023-12-20 v1 计算机视觉与模式识别
机器学习
图像与视频处理
摘要
在本研究中，我们提出了一种新的激活函数，称为自适应平滑激活单元（ASAU），专为优化梯度传播而设计，从而提升卷积网络在医学图像分析中的能力。我们将这种新激活函数应用于医学图像分析中两个重要且常用的通用任务：CT和MRI中的自动疾病诊断与器官分割。我们在RadImageNet腹部/盆腔（CT和MRI）数据集以及肝脏肿瘤分割基准（LiTS）2017上的严格评估表明，集成ASAU的框架不仅在腹部CT和MRI的分类准确率（疾病检测）上比ReLU有显著提升（4.80%），而且在“健康肝组织”分割的Dice系数上比广泛使用的激活函数提升了1%-3%。这些改进为开发诊断工具（尤其是针对复杂、具有挑战性的病理）提供了新的基线。ASAU的优越性能和适应性凸显了其集成到广泛图像分类和分割任务中的潜力。
引用
@article{arxiv.2312.11480,
title = {Adaptive Smooth Activation for Improved Disease Diagnosis and Organ Segmentation from Radiology Scans},
author = {Koushik Biswas and Debesh Jha and Nikhil Kumar Tomar and Gorkem Durak and Alpay Medetalibeyoglu and Matthew Antalek and Yury Velichko and Daniela Ladner and Amir Bohrani and Ulas Bagci},
journal= {arXiv preprint arXiv:2312.11480},
year = {2023}
}