DDA：面向腹腔镜手术对比学习的维度驱动增强搜索
计算机视觉与模式识别
2024-06-07 v2 机器学习
摘要
自监督学习在医学影像中具有进行有效表征学习的潜力，但数据增强的选择至关重要且具有领域特异性。目前尚不确定通用增强策略是否适用于外科应用。在这项工作中，我们通过一种名为维度驱动增强搜索的新方法，自动化了合适增强策略的搜索过程。DDA利用深度表征的局部维度作为代理目标，并在对比学习中可微地搜索合适的数据增强策略。我们展示了DDA在导航大搜索空间以及成功为腹腔镜手术确定合适数据增强策略方面的有效性和效率。我们在三个腹腔镜图像分类和分割任务上系统评估了DDA，它显著优于现有基线。此外，DDA优化后的增强集为在医学应用中应用对比学习时提供了对领域特异性依赖关系的洞察。例如，虽然色调是自然图像的有效增强方式，但对于腹腔镜图像却并无优势。
引用
@article{arxiv.2406.00907,
title = {DDA: Dimensionality Driven Augmentation Search for Contrastive Learning in Laparoscopic Surgery},
author = {Yuning Zhou and Henry Badgery and Matthew Read and James Bailey and Catherine E. Davey},
journal= {arXiv preprint arXiv:2406.00907},
year = {2024}
}
备注
29 pages, 16 figures; MIDL 2024 - Medical Imaging with Deep Learning