LesionMix：一种用于医学图像分割的病灶级数据增强方法
图像与视频处理
2023-08-21 v1 计算机视觉与模式识别
机器学习
摘要
数据增强已成为基于深度学习的医学图像分割方法中事实上的组成部分。医学影像中使用的大多数数据增强技术侧重于空间和强度变换，以提高训练图像的多样性。它们通常在图像级别设计，对整幅图像进行增强，而不关注图像中的特定异常。在此，我们提出 LesionMix，一种新颖且简单的病灶感知数据增强方法。它在病灶级别执行增强，增加病灶形状、位置、强度和负荷分布的多样性，并允许病灶填充与修复。在包括四个脑 MR 病灶数据集和一个肝 CT 病灶数据集的不同模态和不同病灶数据集上的实验表明，LesionMix 在病灶图像分割中取得了有前景的性能，优于几种近期基于 Mix 的数据增强方法。代码将在 https://github.com/dogabasaran/lesionmix 发布。
引用
@article{arxiv.2308.09026,
title = {LesionMix: A Lesion-Level Data Augmentation Method for Medical Image Segmentation},
author = {Berke Doga Basaran and Weitong Zhang and Mengyun Qiao and Bernhard Kainz and Paul M. Matthews and Wenjia Bai},
journal= {arXiv preprint arXiv:2308.09026},
year = {2023}
}
备注
13 pages, 5 figures, 4 tables, MICCAI DALI Workshop 2023