利用解耦改进 CT 中肝脏病变分类的 CNN 训练
计算机视觉与模式识别
2018-11-02 v1
摘要
训练数据是设计算法用于医学图像分析的关键组成部分，且在许多情况下它是取得良好结果的主要瓶颈。图像生成的最新进展使得使用合成数据训练基于神经网络的解决方案成为可能。生成新样本的一个关键因素是对重要外观特征的控制，并潜在地能够生成具有不同变体的特定类别的新样本。在这项工作中，我们建议通过混合训练数据中不同因子的类别指定与未指定表示来合成新数据。我们在 CT 中肝脏病变分类上的实验显示，相比基线训练方案准确率平均提升 7.4%。
引用
@article{arxiv.1811.00501,
title = {Improving CNN Training using Disentanglement for Liver Lesion Classification in CT},
author = {Avi Ben-Cohen and Roey Mechrez and Noa Yedidia and Hayit Greenspan},
journal= {arXiv preprint arXiv:1811.00501},
year = {2018}
}