结合图像特征与患者元数据以增强迁移学习
计算机视觉与模式识别
2022-07-20 v1 机器学习
图像与视频处理
摘要
在本工作中，我们比较了六种最先进深度神经网络在仅使用图像特征进行分类任务时，与将这些特征同患者元数据结合时的性能。我们利用从 ImageNet 上预训练的网络进行迁移学习，以在分类前从 ISIC HAM10000 数据集提取图像特征。使用若干分类性能指标，我们评估了将元数据与图像特征结合的效果。此外，我们通过数据增强重复了实验。我们的结果显示，除 vgg16 架构出现性能下降外，各网络经所有指标评估均总体增强。我们的结果表明，该性能增强可能是深度网络的普遍性质，并应在其他领域探索。而且，这些改进在计算时间上的额外代价可忽略，因此是其他应用的实用方法。
引用
@article{arxiv.2110.05239,
title = {Combining Image Features and Patient Metadata to Enhance Transfer Learning},
author = {Spencer A. Thomas},
journal= {arXiv preprint arXiv:2110.05239},
year = {2022}
}
备注
paper has been accepted at the EMBC 2021 https://embc.embs.org/2021/