分析 MICCAI KiTS23 挑战赛中使用额外数据时的域偏移
计算机视觉与模式识别
2024-03-13 v2 人工智能
机器学习
摘要
使用额外的训练数据已知可改善结果，尤其是对于医学图像三维分割——该类任务缺乏训练素材且模型需从少量可用数据中良好泛化。然而，新数据可能由其他仪器采集并经过预处理，使其分布与原始训练数据显著不同。因此，我们研究在训练过程中缓解域偏移的技术，以使额外数据能与原始数据一同更好地用于预处理和训练。我们的结果表明，使用直方图匹配对额外数据进行变换比使用简单归一化具有更好的结果。
引用
@article{arxiv.2309.02001,
title = {Analyzing domain shift when using additional data for the MICCAI KiTS23 Challenge},
author = {George Stoica and Mihaela Breaban and Vlad Barbu},
journal= {arXiv preprint arXiv:2309.02001},
year = {2024}
}
备注
This preprint has not undergone peer review or any post-submission improvements or corrections. The Version of Record of this contribution is published in https://link.springer.com/book/10.1007/978-3-031-54806-2, and is available online at https://doi.org/10.1007/978-3-031-54806-2_4