基于 CNN 像素级分类的解剖学数据增强
计算机视觉与模式识别
2018-07-24 v1 机器学习
机器学习
摘要
在这项工作中，我们提出了一种解剖学数据增强方法，其基于将计算机断层扫描（CT）检查中与标注切片相邻的切片作为另一标注数据资源用于训练网络。扩展后的标注数据被用于训练一个 U-net 网络，以对不同肝脏病变和正常肝组织进行像素级分类。我们的数据集包含来自 140 名患者的 CT 检查，由专家放射科医生标注了 333 张 CT 图像。我们测试了我们的方法并将其与常规训练过程进行比较。结果表明我们的方法更优。使用解剖学数据增强，我们在成功率上提升了 3%，分类准确率上提升了 5%，Dice 上提升了 4%。
引用
@article{arxiv.1801.02261,
title = {Anatomical Data Augmentation For CNN based Pixel-wise Classification},
author = {Avi Ben-Cohen and Eyal Klang and Michal Marianne Amitai and Jacob Goldberger and Hayit Greenspan},
journal= {arXiv preprint arXiv:1801.02261},
year = {2018}
}
备注
To be presented at IEEE ISBI 2018