使用生成对抗网络泛化深度神经网络用于 X 光胸片胸部病理分类
计算机视觉与模式识别
2018-02-13 v2 神经与进化计算
摘要
医学数据集往往高度不平衡，常见医学问题样本过多，而罕见病症数据匮乏。我们提出在图像中模拟病理以克服上述局限。以胸部 X 光作为模型医学图像，我们实现了生成对抗网络（GAN），基于规模适中的带标签数据集创建人工图像。我们结合真实与人工图像训练深度卷积神经网络（DCNN），以检测五类胸部 X 光中的病理。此外，我们证明，与使用原始数据集单独训练的相同 DCNN 相比，用 GAN 生成图像扩充原始不平衡数据集可提升所提 DCNN 的胸部病理分类性能。此性能提升主要归因于使用 GAN 生成图像平衡数据集，其中示例图像欠缺的类别被优先扩充。
引用
@article{arxiv.1712.01636,
title = {Generalization of Deep Neural Networks for Chest Pathology Classification in X-Rays Using Generative Adversarial Networks},
author = {Hojjat Salehinejad and Shahrokh Valaee and Tim Dowdell and Errol Colak and Joseph Barfett},
journal= {arXiv preprint arXiv:1712.01636},
year = {2018}
}
备注
This paper is accepted for presentation at IEEE International Conference on Acoustics, Speech and Signal Processing (IEEE ICASSP), 2018