用于医学图像分割的元 corrupted 像素挖掘
计算机视觉与模式识别
2020-07-08 v1
摘要
深度神经网络已在大量医学图像分析任务中取得令人满意的性能。然而深度神经网络的训练需要大量带有高质量标注的样本。在医学图像分割中,获取精确的像素级标注非常费力且昂贵。针对在可能含有 corrupted 标注的数据集上训练深度分割模型,我们提出一种基于简单元掩码网络的新型元 corrupted 像素挖掘(MCPM)方法。我们的方法旨在自动估计一个加权图,以评估分割网络学习中每个像素的重要性。该元掩码网络将预测分割结果的损失值图作为输入,能够识别 corrupted 层并为其分配较小权重。采用交替算法同时训练分割网络与元掩码网络。在 LIDC-IDRI 和 LiTS 数据集上的大量实验结果表明,我们的方法优于为处理 corrupted 标注而设计的 SOTA 方法。
引用
@article{arxiv.2007.03538,
title = {Meta Corrupted Pixels Mining for Medical Image Segmentation},
author = {Jixin Wang and Sanping Zhou and Chaowei Fang and Le Wang and Jinjun Wang},
journal= {arXiv preprint arXiv:2007.03538},
year = {2020}
}
备注
Accepted By MICCAI2020