3D 脑肿瘤分割的最佳数据增强是什么？
图像与视频处理
2021-01-19 v2 计算机视觉与模式识别
机器学习
摘要
训练分割网络需要大量标注数据集，而在医学影像中这类数据往往难以获取。尽管事实如此，我们认为数据增强在脑肿瘤分割中尚未被充分探索。本项目中，我们在训练标准 3D U-Net 时应用不同类型的数据增强（翻转、旋转、缩放、亮度调整、弹性形变），并证明增强在许多情况下显著提升网络性能。我们的结论是亮度增强与弹性形变效果最佳，且不同增强技术的组合相比仅使用单一增强技术并未带来进一步改善。我们的代码见 https://github.com/mdciri/3D-augmentation-techniques。
引用
@article{arxiv.2010.13372,
title = {What is the best data augmentation for 3D brain tumor segmentation?},
author = {Marco Domenico Cirillo and David Abramian and Anders Eklund},
journal= {arXiv preprint arXiv:2010.13372},
year = {2021}
}