基于连续数据增强的疾病严重程度回归
图像与视频处理
2023-02-27 v1 计算机视觉与模式识别
摘要
利用卷积神经网络（CNN）对医学图像进行疾病严重程度回归，需要足够数量标注了严重级别的图像样本。基于条件生成对抗网络（cGAN）的数据增强（DA）是一种可能的解决方案，但面临两个问题。第一个问题是现有 cGAN 无法以实值严重级别作为条件，第二个问题是生成图像的严重程度不完全可靠。我们提出连续 DA 作为这两个问题的解决方案。我们的方法使用连续严重程度 GAN 在实值严重级别上生成图像，并使用数据集无关多目标优化来处理第二个问题。我们的方法在估计内窥镜图像的溃疡性结肠炎（UC）严重程度方面进行了评估，并取得了高于传统 DA 方法的分类性能。
引用
@article{arxiv.2302.12482,
title = {Disease Severity Regression with Continuous Data Augmentation},
author = {Shumpei Takezaki and Kiyohito Tanaka and Seiichi Uchida and Takeaki Kadota},
journal= {arXiv preprint arXiv:2302.12482},
year = {2023}
}
备注
Accepted at ISBI2023