基于深度三元组网络的少样本脑成像模态识别
计算机视觉与模式识别
2019-08-28 v1 机器学习
摘要
在当前临床环境中，多种成像模态被用于更好地理解复杂疾病，图像模态识别对于高效的成像工作流至关重要。来自新颖、罕见模态的新兴生物标志物正被开发以辅助此类理解，然而这些图像的可用性往往有限。这一情形提出了在不大量收集和标注的情况下识别新成像模态的必要性。在本工作中，我们提出一种基于深度三元组网络（Deep Triplet Networks）的面向有限训练样本的少样本学习模型。我们表明，在样本有限时，所提模型比传统的卷积神经网络（Convolutional Neural Network）分类器更准确地区分不同模态。此外，我们评估了两种分类器在含噪样本下的性能，并初步考察了所提模型如何引入不确定性度量以对分布外样本更具鲁棒性。
引用
@article{arxiv.1908.10266,
title = {Few-shot Learning with Deep Triplet Networks for Brain Imaging Modality Recognition},
author = {Santi Puch and Irina Sánchez and Matt Rowe},
journal= {arXiv preprint arXiv:1908.10266},
year = {2019}
}
备注
Medical Image Learning with Less Labels and Imperfect Data, MICCAI 2019 workshop