基于 GAN 的皮肤病变分析数据增强与匿名化：批判性综述
图像与视频处理
2021-04-22 v1 计算机视觉与模式识别
摘要
尽管高质量公共数据集日益可用，训练样本缺乏仍是皮肤病变深度学习的主要挑战之一。生成对抗网络（GANs）通过合成与真实图像难以区分的样本，作为缓解该问题的诱人替代方案而出现，大量工作将其用于医学应用。然而，针对基于 GAN 数据增强的皮肤病变诊断所设计的细致实验表明，仅在分布外测试集上取得有利结果。对于基于 GAN 的数据匿名化——即用合成图像替换真实图像——有利结果同样仅出现在分布外测试集上。由于使用 GAN 的代价与风险，这些结果提示在医学应用中采用 GAN 需谨慎。
引用
@article{arxiv.2104.10603,
title = {GAN-Based Data Augmentation and Anonymization for Skin-Lesion Analysis: A Critical Review},
author = {Alceu Bissoto and Eduardo Valle and Sandra Avila},
journal= {arXiv preprint arXiv:2104.10603},
year = {2021}
}
备注
Accepted to the ISIC Skin Image Analysis Workshop @ CVPR 2021