基于IVOCT数据的对抗训练用于患者无关特征学习及斑块分类
计算机视觉与模式识别
2018-05-17 v1
摘要
近年来,深度学习方法在多种医学问题上取得了令人印象深刻的成果。然而,由于标注耗时,数据集往往较小。由于不同患者的数据集通常异质性很强,对新患者的泛化可能较为困难。如果图像采集可能出现较大差异,这一问题会更加复杂,而这在进行冠状动脉斑块成像的血管内光学相干断层扫描时是常见的。我们通过一种对抗训练策略来解决该问题,其中我们强制深度神经网络的一部分学习独立于患者或采集特定特征的特征。我们将我们的正则化方法与典型的数据增强策略进行比较,并表明我们的方法改善了小型医学数据集的性能。
引用
@article{arxiv.1805.06223,
title = {Adversarial Training for Patient-Independent Feature Learning with IVOCT Data for Plaque Classification},
author = {Nils Gessert and Markus Heyder and Sarah Latus and David M. Leistner and Youssef S. Abdelwahed and Matthias Lutz and Alexander Schlaefer},
journal= {arXiv preprint arXiv:1805.06223},
year = {2018}
}
备注
Presented at MIDL 2018 Conference https://openreview.net/forum?id=SJWY1Ujsz