用于改善 CT 图像颅内出血分割的病灶条件图像生成
图像与视频处理
2020-08-10 v1 计算机视觉与模式识别
机器学习
机器学习
摘要
在训练机器学习算法时，数据增强可有效解决图像匮乏问题，并使算法对未见图像更具鲁棒性。我们提出一种病灶条件生成对抗网络 LcGAN，用于生成合成计算机断层扫描（CT）图像以进行数据增强。在训练过程中，病灶条件图像（分割掩码）同时作为 LcGAN 生成器和判别器的输入。训练后的模型基于输入掩码生成情境化 CT 图像。我们通过全卷积网络（FCN）分数和模糊度来量化图像质量，并训练另一个分类网络以筛选更优的合成图像。随后将这些合成 CT 图像增强至我们的出血病灶分割网络。在原始数据的 2.5%、10% 和 25% 上应用该增强方法，分割性能分别提升了 12.8%、6% 和 1.6%。
引用
@article{arxiv.2003.13868,
title = {Lesion Conditional Image Generation for Improved Segmentation of Intracranial Hemorrhage from CT Images},
author = {Manohar Karki and Junghwan Cho and Seokhwan Ko},
journal= {arXiv preprint arXiv:2003.13868},
year = {2020}
}