CarveMix：一种用于脑病灶分割的简单数据增强方法
图像与视频处理
2021-09-29 v2 计算机视觉与模式识别
摘要
脑病灶分割为临床诊断提供了有价值的工具，卷积神经网络（CNNs）在该任务中取得了前所未有的成功。数据增强是一种广泛使用的策略，可改善 CNN 的训练，而针对脑病灶分割的增强方法设计仍是一个开放性问题。在本工作中，我们提出了一种简单的、称为 CarveMix 的数据增强方法，用于基于 CNN 的脑病灶分割。与其他基于“mix”的方法（如 Mixup 和 CutMix）类似，CarveMix 随机组合两幅已有的标注图像以生成新的标注样本。然而，与这些基于图像组合的增强策略不同，CarveMix 是病灶感知的，其组合操作关注病灶并为其生成图像创建恰当的标注。具体而言，我们从一幅标注图像中根据病灶的位置和几何形状切割出一个感兴趣区域（ROI），ROI 的大小从概率分布中采样。随后该切割出的 ROI 替换第二幅标注图像中的对应体素，第二幅图像的标注也相应被替换。通过这种方式，我们为网络训练生成新的标注图像，并保留了病灶信息。为评估所提方法，我们在两个脑病灶数据集上进行了实验。结果表明，与其他简单的数据增强方法相比，我们的方法提高了分割精度。
引用
@article{arxiv.2108.06883,
title = {CarveMix: A Simple Data Augmentation Method for Brain Lesion Segmentation},
author = {Xinru Zhang and Chenghao Liu and Ni Ou and Xiangzhu Zeng and Xiaoliang Xiong and Yizhou Yu and Zhiwen Liu and Chuyang Ye},
journal= {arXiv preprint arXiv:2108.06883},
year = {2021}
}
备注
accepted by MICCAI 2021