猫还是CAT扫描：来自自然或医学图像源数据集的迁移学习？
计算机视觉与模式识别
2019-01-11 v2 人工智能
机器学习
摘要
迁移学习是医学图像分析中广泛使用的策略。我们不必仅用来自感兴趣目标任务的有限数据训练网络，而是可以首先用其他可能更大的源数据集训练网络，从而创建更鲁棒的模。源数据集不必与目标任务相关。对于肺CT图像中的分类任务，我们可以同时使用头部CT图像或猫的图像作为源。虽然头部CT图像看起来与肺CT图像更相似，但猫图像的数量和多样性可能总体上带来更好的模型。在本综述中，我们回顾了若干进行了类似比较的论文。尽管哪种策略最佳的答案似乎是“视情况而定”，我们讨论了作为一个社区我们需要采取的一些研究方向，以增进对该主题的理解。
引用
@article{arxiv.1810.05444,
title = {Cats or CAT scans: transfer learning from natural or medical image source datasets?},
author = {Veronika Cheplygina},
journal= {arXiv preprint arXiv:1810.05444},
year = {2019}
}
备注
Accepted to Current Opinion in Biomedical Engineering