利用特权医学影像信息实现域泛化
计算机视觉与模式识别
2023-11-13 v1
摘要
在医学影像中，在相似情境间泛化知识的能力尤为重要，因为数据分布可能在不同医院甚至不同机器间发生显著偏移。为增强泛化，多数前沿技术通过约束学习特征或正则化参数来注入数据分布偏移的知识。我们提供一种替代方案：利用特权医学影像信息学习（LPMII）。我们表明，使用如肿瘤形状或位置等特权信息可带来比当前前沿技术更强的域泛化能力。本文证明，通过在光学相干断层扫描中使用特权信息预测层内视网膜液严重程度，在分布外数据上运行的深度学习模型分类准确率从 提升至 。本文为在其他需泛化的医学问题中使用特权信息提供了有力的起点。
引用
@article{arxiv.2311.05861,
title = {Domain Generalization by Learning from Privileged Medical Imaging Information},
author = {Steven Korevaar and Ruwan Tennakoon and Ricky O'Brien and Dwarikanath Mahapatra and Alireza Bab-Hadiasha},
journal= {arXiv preprint arXiv:2311.05861},
year = {2023}
}