框架波池化辅助的深度学习网络：处理高维医学数据的方法
机器学习
2019-07-29 v1 数值分析
图像与视频处理
数值分析
机器学习
摘要
基于机器学习的医学图像分析常面临若干障碍，如训练数据缺乏、维度灾难问题以及泛化问题。主要困难之一在于处理表示医学图像的大尺寸矩阵输入数据时的计算成本问题。本文旨在引入一种框架波（framelet）池化辅助的深度学习方法，以缓解由大维度引起的计算负担。该方法通过滤波器组将高维数据转换为保留细节信息的低维分量，旨在显著减少学习过程中神经网络的复杂度和计算成本。各种实验表明，我们的方法与标准未约简学习方法相当，同时通过将大尺寸学习任务分解为若干小规模学习任务来减少计算负担。
引用
@article{arxiv.1907.10834,
title = {Framelet Pooling Aided Deep Learning Network : The Method to Process High Dimensional Medical Data},
author = {Chang Min Hyun and Kang Cheol Kim and Hyun Cheol Cho and Jae Kyu Choi and Jin Keun Seo},
journal= {arXiv preprint arXiv:1907.10834},
year = {2019}
}