用于胸部CT扫描分类、分割、重建与检测的多任务学习
图像与视频处理
2024-04-10 v1 计算机视觉与模式识别
机器学习
摘要
肺癌与新冠肺炎在全球具有最高的发病率和死亡率之一。对于医生而言，在疾病早期阶段识别病灶较为困难且耗时。因此，多任务学习是一种从小规模医学数据中提取病灶等重要特征的方法，因为它能学习到更好的泛化能力。我们提出了一种用于分类、分割、重建与检测的崭新多任务框架。据我们所知，我们是首个将检测加入多任务方案的团队。此外，我们验证了在分割任务中使用两种不同骨干网络与不同损失函数的可能性。
引用
@article{arxiv.2308.01137,
title = {Multi-task learning for classification, segmentation, reconstruction, and detection on chest CT scans},
author = {Weronika Hryniewska-Guzik and Maria Kędzierska and Przemysław Biecek},
journal= {arXiv preprint arXiv:2308.01137},
year = {2024}
}
备注
presented at the Polish Conference on Artificial Intelligence (PP-RAI), 2023