插值-分割：一种以数据为中心、利用大插值数据提升气道分割性能的深度学习途径
图像与视频处理
2024-08-14 v2 机器学习
摘要
气道树异常的形态与分布能够实现多种慢性呼吸道疾病的诊断与疾病表征。就此而言，气道分割在生成整个气道树轮廓以估算疾病范围与严重程度方面起着关键作用。本研究中，我们提出一种以数据为中心的深度学习技术来分割气道树。所提技术利用插值与图像分割来提升数据的有用性与质量。随后，实施集成学习策略以聚合不同尺度下的分割气道树。在分割性能（Dice 相似系数）方面，当使用组合损失时，我们的方法平均优于基线模型 2.5%。此外，我们提出的技术 GPU 占用低且灵活性高，可部署于任意 2D 深度学习模型。
引用
@article{arxiv.2308.00008,
title = {Interpolation-Split: a data-centric deep learning approach with big interpolated data to boost airway segmentation performance},
author = {Wing Keung Cheung and Ashkan Pakzad and Nesrin Mogulkoc and Sarah Needleman and Bojidar Rangelov and Eyjolfur Gudmundsson and An Zhao and Mariam Abbas and Davina McLaverty and Dimitrios Asimakopoulos and Robert Chapman and Recep Savas and Sam M Janes and Yipeng Hu and Daniel C. Alexander and John R Hurst and Joseph Jacob},
journal= {arXiv preprint arXiv:2308.00008},
year = {2024}
}