学习未学习特征用于脑肿瘤分割
图像与视频处理
2023-05-17 v1 计算机视觉与模式识别
机器学习
摘要
我们提出一种用于脑肿瘤分割的微调算法，其仅需少量数据样本，并帮助网络不遗忘原始任务。我们的方法基于主动学习和元学习。医学图像分割的困难之一在于缺乏具有恰当标注的数据集，因为这需要医生标注可靠的注释，且疾病存在许多变体，例如胶质瘤和脑转移瘤，它们是不同类型的脑肿瘤并在MR图像中具有不同的结构特征。因此，不可能为所有类型的疾病生成大规模医学图像数据集。本文中，我们展示了一种从高级别胶质瘤到脑转移瘤的迁移学习方法，并证明所提算法在少量步骤内为胶质瘤和脑转移瘤两个域取得了平衡的参数。
引用
@article{arxiv.2305.08878,
title = {Learning to Learn Unlearned Feature for Brain Tumor Segmentation},
author = {Seungyub Han and Yeongmo Kim and Seokhyeon Ha and Jungwoo Lee and Seunghong Choi},
journal= {arXiv preprint arXiv:2305.08878},
year = {2023}
}
备注
Medical Imaging Meets NeurIPS 2018