利用分类标签学习分割图像
计算机视觉与模式识别
2020-12-01 v2
摘要
医学影像中最常见的两项任务是分类与分割。两项任务都需要专家标注的带标签数据，这类数据稀缺且采集成本高。分割数据的标注通常被认为更费力，因为标注者必须勾画感兴趣区域的边界，而非仅给图像块赋予类别标签。此外，在诸如乳腺癌组织病理学等任务中，任何实际的临床应用常需处理全切片图像，而大多数公开可用的训练数据以图像块形式存在并仅给定类别标签。我们提出一种架构，通过利用图像级标签来减轻对分割级真值的需求，从而减少数据整理所耗费的时间。此外，该架构可通过标注少量感兴趣区域，释放既往采集的图像级数据集在分割任务上的潜力。在我们的实验中，我们展示仅每类使用一个分割级标注，即可达到与完全标注数据集相当的性能。
引用
@article{arxiv.1912.12533,
title = {Learning to segment images with classification labels},
author = {Ozan Ciga and Anne L. Martel},
journal= {arXiv preprint arXiv:1912.12533},
year = {2020}
}
备注
Published on Elsevier, Medical Image Analysis