面向平滑群体偏移的任务无关持续海马体分割
计算机视觉与模式识别
2022-08-08 v1 计算机与社会
机器学习
摘要
大多数持续学习方法在任务边界清晰定义且训练与测试时可用任务身份信息的设定下得到验证。我们探索此类方法在更贴近具有渐进式群体偏移的动态临床环境、任务无关设定下的表现。我们提出 ODEx，一种将分布外检测与持续学习技术相结合的整体性解决方案。在两个海马体分割场景上的验证表明，我们提出的方法能够可靠地维持先前任务的性能而不丧失可塑性。
引用
@article{arxiv.2208.03206,
title = {Task-agnostic Continual Hippocampus Segmentation for Smooth Population Shifts},
author = {Camila Gonzalez and Amin Ranem and Ahmed Othman and Anirban Mukhopadhyay},
journal= {arXiv preprint arXiv:2208.03206},
year = {2022}
}