训练、学习、扩展、重复

Abhijeet Parida; Aadhithya Sankar; Rami Eisawy; Tom Finck; Benedikt Wiestler; Franz Pfister; Julia Moosbauer

训练、学习、扩展、重复

机器学习 2020-04-21 v2 计算机视觉与模式识别图像与视频处理机器学习

作者: Abhijeet Parida , Aadhithya Sankar , Rami Eisawy , Tom Finck , Benedikt Wiestler , Franz Pfister , Julia Moosbauer

摘要

高质量标注数据对于成功训练监督式机器学习模型至关重要。尽管医学领域存在大量未标注数据，但标注构成一大挑战：能够专业标注数据的医学人员是稀缺且昂贵的资源。更糟的是，数据的体素级描绘(例如用于分割任务)繁琐且存在较高的标注者间差异，从而极大地限制了可用训练数据。我们提出一种递归训练策略，以在仅给定极少带有像素级标注的训练样本情况下执行语义分割任务。我们利用一种递归训练策略，以更廉价的图像级标注来扩充这一小型训练集。我们将该技术应用于脑部CT(计算机断层扫描)中颅内出血(ICH)的分割，该任务通常只有少量标注数据可用。

关键词

语义分割少样本学习递归训练医学影像颅内出血 CT扫描弱标注

引用

@article{arxiv.2003.08469,
  title  = {Train, Learn, Expand, Repeat},
  author = {Abhijeet Parida and Aadhithya Sankar and Rami Eisawy and Tom Finck and Benedikt Wiestler and Franz Pfister and Julia Moosbauer},
  journal= {arXiv preprint arXiv:2003.08469},
  year   = {2020}
}

备注

Published as a workshop paper at AI4AH, ICLR 2020

训练、学习、扩展、重复

摘要

关键词

引用

备注

相关论文