基于块的重迭代学习在部分标注胃肿瘤分割中的应用
计算机视觉与模式识别
2017-12-21 v1
摘要
胃癌是全球癌症相关死亡的第二大原因，而生物医学图像分析中的主要障碍是确定癌症范围。该任务具有高临床相关性，通常需病理学家大量显微评估。深度学习近期在生物医学图像分割上取得令人鼓舞的结果，但其效果依赖于全面标注。这需要大量人工成本，因为真值必须由病理学家精细标注。本文提出一种重迭代学习框架，在部分标注的生物医学图像上训练网络，无需任何预训练或进一步人工标注即取得优越性能。我们通过重叠区域预测算法消除了基于块模型的边界误差。借助这些合理方法，在部分标注数据集上取得了 0.883 的平均交并比（IOU）系数与 91.09% 的平均准确率，使我们赢得了 2017 中国大数据与人工智能创新创业大赛。
引用
@article{arxiv.1712.07488,
title = {Partial Labeled Gastric Tumor Segmentation via patch-based Reiterative Learning},
author = {Yang Nan and Gianmarc Coppola and Qiaokang Liang and Kunglin Zou and Wei Sun and Dan Zhang and Yaonan Wang and Guanzhen Yu},
journal= {arXiv preprint arXiv:1712.07488},
year = {2017}
}
备注
16 pages,9 figures