利用跨域增强改进有限监督下的足部溃疡分割
计算机视觉与模式识别
2024-01-17 v1
摘要
糖尿病足部溃疡带来健康风险，包括更高的发病率、死亡率和截肢率。监测伤口区域对适当护理至关重要，但由于复杂的伤口特征和背景变化，手动分割具有主观性。专家标注成本高昂且耗时，从而阻碍了大规模数据集的创建。在标注数据有限的现实场景中，依赖大量标注的现有分割模型并不实用。本文提出了一种名为TransMix的跨域增强方法，该方法结合了增强全局预训练（AGP）和局部CutMix微调（LCF），以丰富用于模型学习的伤口分割数据。TransMix通过利用其他非溃疡皮肤或伤口的皮肤病学数据集，可以有效改善足部溃疡分割模型的训练。AGP有效增加了整体图像的可变性，而LCF增加了伤口区域的多样性。实验结果表明，TransMix增加了伤口区域的可变性，并在不同比例下，对于仅用40张标注图像训练的模型，显著提高了Dice分数。
引用
@article{arxiv.2401.08422,
title = {Improving Limited Supervised Foot Ulcer Segmentation Using Cross-Domain Augmentation},
author = {Shang-Jui Kuo and Po-Han Huang and Chia-Ching Lin and Jeng-Lin Li and Ming-Ching Chang},
journal= {arXiv preprint arXiv:2401.08422},
year = {2024}
}
备注
5 pages, 2 figures, accepted by ICASSP 2024