基于数据蒸馏与增强的深度学习实现人类专家水平的脑肿瘤检测
计算机视觉与模式识别
2020-07-17 v3 机器学习
机器学习
摘要
深度学习（DL）在医学诊断中的应用常受两个问题困扰。首先，训练数据量可能稀缺，因其受限于已患待诊断疾病的病人数量。其次，训练数据可能被各类噪声污染。本文研究基于磁共振波谱（MRS）数据的脑肿瘤检测问题，其中两类问题均十分突出。为克服这些挑战，我们提出一种训练深度神经网络的新方法：蒸馏出极具代表性的训练样本，并通过将某一类别的样本与同类及其他类别的样本相混合来扩充训练数据，以生成额外的训练样本。我们证明该技术显著提升性能，使我们的方法仅用数千个训练样本即达到人类专家水平的准确率。有趣的是，该网络学会依赖那些通常被人类专家忽略的数据特征，这为未来研究指明了新方向。
引用
@article{arxiv.2006.12285,
title = {Human-Expert-Level Brain Tumor Detection Using Deep Learning with Data Distillation and Augmentation},
author = {Diyuan Lu and Nenad Polomac and Iskra Gacheva and Elke Hattingen and Jochen Triesch},
journal= {arXiv preprint arXiv:2006.12285},
year = {2020}
}
备注
Submitted to IEEE Transactions on Neural Networks and Learning Systems