通过统一数据增强与神经架构搜索实现医学图像分析的自动机器学习
计算机视觉与模式识别
2022-07-22 v1
摘要
自动数据增强旨在自动设计增强策略，近来引起了日益增长的研究兴趣。许多先前的自动增强方法利用密度匹配策略，通过测试时增强性能来评估策略。在本文中，我们从理论和经验上证明了小规模医学图像数据集的训练集与验证集之间存在不一致，称为域内采样偏差。接下来，我们证明了域内采样偏差可能导致密度匹配的低效。为解决该问题，提出了一种改进的增强搜索策略，称为增强密度匹配，通过从先验分布中随机采样策略进行训练。此外，通过统一数据增强与神经架构的搜索，提出了一种高效的自动机器学习（AutoML）算法。实验结果表明，所提方法在 MedMNIST（一个专为医学图像分析中的 AutoML 设计的开创性基准）上优于最先进的方法。
引用
@article{arxiv.2207.10351,
title = {Auto Machine Learning for Medical Image Analysis by Unifying the Search on Data Augmentation and Neural Architecture},
author = {Jianwei Zhang and Dong Li and Lituan Wang and Lei Zhang},
journal= {arXiv preprint arXiv:2207.10351},
year = {2022}
}