分层或注入：两种改善脑肿瘤分割的简单训练策略
图像与视频处理
2019-07-31 v1
摘要
用于脑肿瘤分割的深度学习方法通常以防备式的方式在所有可用数据上训练。脑肿瘤在图像表现上极具异质性，且带标签的训练数据有限。我们认为，在模型训练过程中引入额外的先验信息（特别是与肿瘤影像表型相关的肿瘤级别）可显著提升分割性能。本文提出了两种在模型训练中融入肿瘤级别的策略，并在BRATS 2018数据集上展示了它们对分割性能的影响。
关键词
引用
@article{arxiv.1907.12941,
title = {Stratify or Inject: Two Simple Training Strategies to Improve Brain Tumor Segmentation},
author = {Raphael Meier and Michael Rebsamen and Urspeter Knecht and Mauricio Reyes and Roland Wiest and Richard McKinley},
journal= {arXiv preprint arXiv:1907.12941},
year = {2019}
}
备注
Accepted as extended abstract for MIDL 2019 [arXiv:1907.08612]