以不确定性探寻新颖性
图像与视频处理
2020-02-19 v1 计算机视觉与模式识别
机器学习
摘要
医学图像常用于检测和表征病理与疾病；然而，由于在各类疾病中病理表现差异很大，自动识别和分割医学图像中的病理具有挑战性。为应对此挑战，我们提出了一种贝叶斯深度学习方法，其学习将健康计算机断层扫描图像转换为磁共振图像，并同时计算体素级不确定性。由于高不确定性出现在图像中的病理区域，该不确定性可用于无监督异常分割。我们通过将两类不确定性结合为一种称为scibilic不确定性的新量，在无监督异常分割任务上展示了令人鼓舞的实验结果。
引用
@article{arxiv.2002.04626,
title = {Finding novelty with uncertainty},
author = {Jacob C. Reinhold and Yufan He and Shizhong Han and Yunqiang Chen and Dashan Gao and Junghoon Lee and Jerry L. Prince and Aaron Carass},
journal= {arXiv preprint arXiv:2002.04626},
year = {2020}
}
备注
SPIE Medical Imaging 2020