基于 MCTS 的动态数据增强用于前列腺 MRI 分割
图像与视频处理
2023-12-19 v2 计算机视觉与模式识别
机器学习
摘要
由于采集与标注过程昂贵，医学图像数据往往有限。因此，仅用原始数据训练深度学习模型易致过拟合。该问题的一种解决方案是用多种变换增强原始数据，提升模型对新数据的泛化能力。然而，因采集方法与数据分布不一致，为不同数据集手动配置通用增强组合与参数并非易事。因此，自动数据增强被提出以学习不同数据集的有利增强策略，但会带来巨大 GPU 开销。为此，我们提出一种新颖方法，称为动态数据增强（DDAug），其高效且计算成本可忽略。我们的 DDAug 构建分层树结构表示各类增强，并利用高效的蒙特卡洛树搜索算法更新、剪枝与采样该树。从而，增强流水线可对每个数据集自动优化。在多个前列腺 MRI 数据集上的实验表明，我们的方法优于当前最先进的数据增强策略。
引用
@article{arxiv.2305.15777,
title = {Dynamic Data Augmentation via MCTS for Prostate MRI Segmentation},
author = {Xinyue Xu and Yuhan Hsi and Haonan Wang and Xiaomeng Li},
journal= {arXiv preprint arXiv:2305.15777},
year = {2023}
}