利用类感知生成对抗网络生成信息性样本用于胸 X 光分类
计算机视觉与模式识别
2019-05-01 v2
摘要
由于覆盖不同疾病类型与严重程度的图像有限，训练用于从医学图像检测疾病的鲁棒深度学习（DL）系统具有挑战性。在存在严重类别不平衡的情况下，该问题尤为尖锐。我们提出一种主动学习（AL）框架，使用贝叶斯神经网络选择最具信息性的样本来训练我们的模型。随后将这些信息性样本用于一种新颖的类感知生成对抗网络（CAGAN）中，通过从一个类标签向另一个类标签迁移特征来生成逼真的胸 X 光图像以进行数据增强。实验表明，我们提出的 AL 框架能够仅使用完整数据集约 达到最先进（state-of-the-art）性能，从而相比常规方法显著节省时间与精力。
引用
@article{arxiv.1904.10781,
title = {Informative sample generation using class aware generative adversarial networks for classification of chest Xrays},
author = {Behzad Bozorgtabar and Dwarikanath Mahapatra and Hendrik von Teng and Alexander Pollinger and Lukas Ebner and Jean-Phillipe Thiran and Mauricio Reyes},
journal= {arXiv preprint arXiv:1904.10781},
year = {2019}
}