去噪对抗自编码器：利用有限标注训练数据分类皮肤病变
计算机视觉与模式识别
2018-01-03 v1
摘要
我们提出了一种新颖的深度学习模型，用于在存在大量未标注医学数据但标注数据稀缺的情况下对医学图像进行分类。我们考虑将皮肤病变分类为恶性或良性的具体情形。在此情形下，所提出的方法——半监督去噪对抗自编码器——能够利用海量未标注数据学习皮肤病变的表示，并利用少量标注数据基于所学表示赋予类别标签。我们分析了模型中去噪与对抗两个组成部分各自的贡献，发现二者结合在有限标注训练数据的设定下带来了更优的分类性能。
引用
@article{arxiv.1801.00693,
title = {Denoising Adversarial Autoencoders: Classifying Skin Lesions Using Limited Labelled Training Data},
author = {Antonia Creswell and Alison Pouplin and Anil A Bharath},
journal= {arXiv preprint arXiv:1801.00693},
year = {2018}
}
备注
Under consideration for the IET Computer Vision Journal special issue on "Computer Vision in Cancer Data Analysis"