使用 GAN 进行合成数据增强以改善肝脏病变分类
计算机视觉与模式识别
2018-01-09 v1
摘要
本文提出一种利用生成对抗网络(GANs)生成合成医学图像的数据增强方法。我们给出一种训练方案：先使用经典数据增强扩大训练集，再应用 GAN 技术进行合成数据增强以进一步增大数据规模并提升多样性。我们的方法在包含 182 个肝脏病变(53 个囊肿、64 个转移瘤和 65 个血管瘤)的计算机断层扫描(CT)图像有限数据集上得到验证。仅用经典数据增强的分类性能为 78.6% 灵敏度与 88.4% 特异度；加入合成数据增强后结果显著提升至 85.7% 灵敏度与 92.4% 特异度。
引用
@article{arxiv.1801.02385,
title = {Synthetic Data Augmentation using GAN for Improved Liver Lesion Classification},
author = {Maayan Frid-Adar and Eyal Klang and Michal Amitai and Jacob Goldberger and Hayit Greenspan},
journal= {arXiv preprint arXiv:1801.02385},
year = {2018}
}
备注
To be presented at IEEE International Symposium on Biomedical Imaging (ISBI), 2018