基于GAN的胸部X光分类数据增强
图像与视频处理
2021-07-08 v1 计算机视觉与模式识别
机器学习
摘要
计算机视觉——尤其是医学应用——中的一个常见问题是缺乏足够多样、大规模的训练数据集。这些数据集往往存在严重的类别不平衡。因此，网络常常过拟合，无法泛化到新样本。生成对抗网络（GAN）提供了一种合成数据增强的新方法。在本工作中，我们评估了基于GAN的数据增强用于人工扩充CheXpert胸部X光片数据集的效果。我们将其性能与传统增强进行比较，发现基于GAN的增强对于代表性不足的类别带来了更高的下游性能。此外，我们看到这一结果在低数据量情形下尤为显著。这表明基于GAN的增强在数据采集成本高昂时提升网络性能是一个有前景的研究方向。
引用
@article{arxiv.2107.02970,
title = {GAN-based Data Augmentation for Chest X-ray Classification},
author = {Shobhita Sundaram and Neha Hulkund},
journal= {arXiv preprint arXiv:2107.02970},
year = {2021}
}
备注
Spotlight Talk at KDD 2021 - Applied Data Science for Healthcare Workshop