用于 MRI 语义分割问题中知识迁移的贝叶斯生成模型
图像与视频处理
2020-05-29 v2 机器学习
摘要
基于深度学习的自动分割方法近期已展现出最先进的性能，优于常规方法。然而，这些方法不适用于小数据集，而小数据集在医学问题中非常常见。为此，我们提出了一种通过生成贝叶斯先验网络（Generative Bayesian Prior network）在疾病间进行知识迁移的方法。我们的方法相较于预训练方法和随机初始化方法进行了比较，并在脑肿瘤分割 2018 数据库（BRATS2018）的小子集上依据 Dice 相似系数（Dice Similarity Coefficient）指标取得了最佳结果。
引用
@article{arxiv.2005.12639,
title = {Bayesian Generative Models for Knowledge Transfer in MRI Semantic Segmentation Problems},
author = {Anna Kuzina and Evgenii Egorov and Evgeny Burnaev},
journal= {arXiv preprint arXiv:2005.12639},
year = {2020}
}
备注
arXiv admin note: substantial text overlap with arXiv:1908.05480