基于单次生成器的 GANs 用于皮肤皮损数据集中的尾部问题
图像与视频处理
2024-10-01 v1 计算机视觉与模式识别
机器学习
摘要
尾部问题在医疗领域经常出现，尤其是由于稀有疾病医疗数据的稀缺。这种稀缺性常导致模型对有限样本过拟合。因此，在样本数量差异显著的不平衡数据集上训练模型时，便出现挑选性检测问题，即模型准确识别多数类别图像，但忽略少数类别图像。这导致模型缺乏泛化能力，无法用于新数据。这在开发医学图像数据集的图像检测和诊断模型方面是一个重大挑战。为解决这一挑战，本文采用单次生成器（One Shot GANs）模型，通过生成额外样本来增强 HAM10000 数据集中尾部类别。此外，为提高准确性，本文采用针对单次生成器设计的新型评估指标。
引用
@article{arxiv.2409.19945,
title = {One Shot GANs for Long Tail Problem in Skin Lesion Dataset using novel content space assessment metric},
author = {Kunal Deo and Deval Mehta and Kshitij Jadhav},
journal= {arXiv preprint arXiv:2409.19945},
year = {2024}
}
备注
15 pages, 6 Figures, 9 Tables and additional 6 Tables in Ancillary Data