基于乳腺癌数据集生成合成数据并使用ResNet18进行分类
机器学习
2024-05-28 v1
摘要
由于信息时代技术飞速发展，数据已成为诸多领域的关键资源。正确的数据收集、组织和分析使其成为成功决策、流程改进和跨领域成功的有力工具。合成数据之所以必需，包括：现实数据受限、获取标记数据昂贵，以及在特定情境和领域中的隐私和安全问题。对于安全、伦理、法律限制、敏感性和隐私问题等原因，合成数据在医疗领域尤为重要。生成合成数据的深度学习模型称为GAN（Generative Adversarial Networks）。本研究使用乳腺病理学数据集，通过一种GAN的形式——MSG-GAN（Multi-Scale Gradients for Generative Adversarial Networks）生成恶性和阴性标记的合成病灶图像，以辅助癌症识别。随后使用ResNet18模型通过迁移学习对合成数据和真实数据进行分类。随后进行的调查旨在确定合成图像是否像真实数据，或者与原始数据相似。
引用
@article{arxiv.2405.16286,
title = {Generation of synthetic data using breast cancer dataset and classification with resnet18},
author = {Dilsat Berin Aytar and Semra Gunduc},
journal= {arXiv preprint arXiv:2405.16286},
year = {2024}
}
备注
17 pages, 4 figures