用于脑肿瘤分类的三元组对比学习
计算机视觉与模式识别
2021-08-10 v1
摘要
脑肿瘤是一种影响成人与儿童的常见且致命的癌症形式。因此，将脑肿瘤分类为不同类型是一项关键任务，因其极大影响医师所采用的治疗方案。鉴于此，已开发医学影像技术，尤其是应用深度卷积网络后接分类层的技术，以实现脑肿瘤类型的计算机辅助分类。本文提出一种直接学习脑肿瘤类型深度嵌入的新方法，可用于分类等下游任务。除使用三元组损失变体外，我们的方法应用对比学习进行无监督预训练，并结合罕见病例数据增强模块，有效缓解脑肿瘤影像分析领域的数据匮乏问题。我们在包含 27 种不同肿瘤类别（其中 13 种定义为罕见）的大规模脑肿瘤数据集上评估所提方法。在所有实验中采用同一编码器，我们将方法与基于分类层的基线模型比较，结果充分证明了所提方法在所有度量指标上的有效性。
引用
@article{arxiv.2108.03611,
title = {Triplet Contrastive Learning for Brain Tumor Classification},
author = {Tian Yu Liu and Jiashi Feng},
journal= {arXiv preprint arXiv:2108.03611},
year = {2021}
}