利用合成数据增强改进 COVID-19 胸片检测
图像与视频处理
2021-12-15 v1 计算机视觉与模式识别
机器学习
摘要
自 COVID-19 大流行开始以来，研究人员已开发深度学习模型来分类 COVID-19 诱发的肺炎。与许多医学影像任务一样，可用数据的质量和数量往往有限。在本工作中，我们在公开可用的 COVID-19 图像数据上训练深度学习模型，并在本地医院胸部 X 光数据上评估该模型。数据已由两名放射科医生审阅并标注，以确保对模型泛化能力的高质量估计。此外，我们使用生成对抗网络（GAN）基于该数据生成合成 X 光图像。我们的结果表明，使用这些合成图像进行数据增强可显著提升模型性能。这对于许多稀疏数据领域可能是一种有前景的方法。
引用
@article{arxiv.2112.07529,
title = {Improving COVID-19 CXR Detection with Synthetic Data Augmentation},
author = {Daniel Schaudt and Christopher Kloth and Christian Spaete and Andreas Hinteregger and Meinrad Beer and Reinhold von Schwerin},
journal= {arXiv preprint arXiv:2112.07529},
year = {2021}
}
备注
This paper has been accepted at the Upper-Rhine Artificial Intelligence Symposium 2021 arXiv:2112.05657