用于 MRI 缺血性脑卒中病灶分割的局部 Gamma 增强
图像与视频处理
2024-01-17 v1 计算机视觉与模式识别
摘要
医学图像中病理组织的识别与定位持续受到深度学习从业者的高度关注。当在充足的数据集上训练时，深度神经网络可以达到或超越人类表现。然而，标注数据的稀缺性使得这些模型的训练变得复杂。数据增强技术可以弥补训练样本的不足。但许多常用的增强方法在模型拟合过程中可能无法提供有意义的样本。我们提出局部 gamma 增强，一种在病理组织中引入新强度实例的技术。我们利用局部 gamma 增强来补偿人脑 MRI 中与缺血性脑卒中病灶对应的强度偏差。在三个数据集上，我们展示了局部 gamma 增强如何提高负责磁共振图像缺血病灶分割的深度神经网络的图像级灵敏度。
引用
@article{arxiv.2401.06893,
title = {Local Gamma Augmentation for Ischemic Stroke Lesion Segmentation on MRI},
author = {Jon Middleton and Marko Bauer and Kaining Sheng and Jacob Johansen and Mathias Perslev and Silvia Ingala and Mads Nielsen and Akshay Pai},
journal= {arXiv preprint arXiv:2401.06893},
year = {2024}
}
备注
Camera-ready version for Northern Lights Deep Learning Conference 2024, 7 pages, 2 figures