用于医学图像分类的模态桥接迁移学习
计算机视觉与模式识别
2017-08-11 v1
摘要
本文提出了一种基于迁移学习的医学图像分类新方法，以缓解医学领域标注数据不足的问题。我们没有直接从源数据迁移学习到少量标注的目标数据，而是提出了一种模态桥接迁移学习，它采用与目标数据库具有相同医学成像采集模态的桥接数据库。通过学习从源到桥接以及从桥接到目标的投影函数，可以缓解源（例如自然图像）和目标（例如 X 射线图像）之间的领域差异。实验结果表明，与各种迁移学习方法相比，即使对于少量标注的目标医学图像，所提出的方法也能实现很高的分类性能。
引用
@article{arxiv.1708.03111,
title = {Modality-bridge Transfer Learning for Medical Image Classification},
author = {Hak Gu Kim and Yeoreum Choi and Yong Man Ro},
journal= {arXiv preprint arXiv:1708.03111},
year = {2017}
}
备注
accepted at CISP-BMEI 2017