基于GAN与闭式因子分解的皮肤变异图像合成生成
计算机视觉与模式识别
2024-10-08 v1 人工智能
摘要
在皮肤病理学诊断领域，分析皮肤病变的皮肤镜图像和显微镜图像是准确早期检测各种医疗状况的关键因素，但创建多样化高质量标注数据集的成本已阻碍机器学习模型的准确性和可泛化性。我们提出一种创新的无监督数据增强解决方案，利用基于生成对抗网络（GAN）的模型及其相关技术处理其潜在空间，以生成受控的半自动发现的皮肤镜图像语义变体。我们创建合成图像以纳入这些语义变体，并将其用于增强训练数据。通过此方法，我们能够提升机器学习模型的性能，在皮肤病变分类任务中使用HAM10000数据集上，使非集成模型达到新的基准；我们利用观察到的分析结果和生成模型进行详细的模型可解释性研究，确认了该解决方案的有效性。
引用
@article{arxiv.2410.05114,
title = {Synthetic Generation of Dermatoscopic Images with GAN and Closed-Form Factorization},
author = {Rohan Reddy Mekala and Frederik Pahde and Simon Baur and Sneha Chandrashekar and Madeline Diep and Markus Wenzel and Eric L. Wisotzky and Galip Ümit Yolcu and Sebastian Lapuschkin and Jackie Ma and Peter Eisert and Mikael Lindvall and Adam Porter and Wojciech Samek},
journal= {arXiv preprint arXiv:2410.05114},
year = {2024}
}
备注
This preprint has been submitted to the Workshop on Synthetic Data for Computer Vision (SyntheticData4CV 2024 is a side event on 18th European Conference on Computer Vision 2024). This preprint has not undergone peer review or any post-submission improvements or corrections