Soft-CP：一种用于医学病灶语义分割的可信且有效的数据增强方法
图像与视频处理
2022-03-22 v1 计算机视觉与模式识别
机器学习
摘要
医学数据集通常面临稀缺和数据不平衡的问题。此外，为医学病灶语义分割标注大规模数据集需要领域知识且耗时。在本文中，我们提出一种新的目标混合方法（简称 soft-CP），它结合了 Copy-Paste 增强方法，用于医学病灶的离线语义分割，确保病灶周围正确的边缘信息，以解决上述的问题。我们用几种不同成像模态的数据集证明了该方法的有效性。在 KiTS19[2] 数据集上的实验中，Soft-CP 优于现有的医学病灶合成方法。Soft-CP 增强在低数据情形（10% 数据）下带来 +26.5% DSC 的提升，在高数据情形（全部数据）下带来 +10.2% DSC 的提升，在离线训练数据中，真实图像与合成图像的比例为 3:1。
引用
@article{arxiv.2203.10507,
title = {Soft-CP: A Credible and Effective Data Augmentation for Semantic Segmentation of Medical Lesions},
author = {Pingping Dai and Licong Dong and Ruihan Zhang and Haiming Zhu and Jie Wu and Kehong Yuan},
journal= {arXiv preprint arXiv:2203.10507},
year = {2022}
}
备注
9 pages, 6 figures, 1 table