用于乳腺 X 线图像分类的无监督域适应：一种有前景的模型泛化工具
计算机视觉与模式识别
2020-03-04 v1 图像与视频处理
定量方法
摘要
泛化是深度学习模型在临床验证与医学图像应用中的关键挑战之一。研究表明，由于在患者群体与图像设备配置上的差异，在公开数据集上训练的此类模型往往在真实世界临床数据上表现不佳。此外，人工标注临床图像成本高昂。本工作中，我们提出一种使用 Cycle-GAN 的无监督域适应（UDA）方法，以在不使用任何额外人工标注的情况下提升模型的泛化能力。
引用
@article{arxiv.2003.01111,
title = {Unsupervised Domain Adaptation for Mammogram Image Classification: A Promising Tool for Model Generalization},
author = {Yu Zhang and Gongbo Liang and Nathan Jacobs and Xiaoqin Wang},
journal= {arXiv preprint arXiv:2003.01111},
year = {2020}
}
备注
Accepted by C-MIMI 2019 as a scientific abstract