人工智能培训

搜索

人工智能论文:不常见的医学图像的一般到详细的GAN(General-to-Detailed GAN for Infrequent Class Medical I

[复制链接]
tulike 发表于 2018-12-6 11:51:37 | 显示全部楼层 |阅读模式
tulike 2018-12-6 11:51:37 224 0 显示全部楼层
人工智能论文:不常见的医学图像的一般到详细的GAN(General-to-Detailed GAN for Infrequent Class Medical Images)深度学习具有显着的医学成像潜力。然而,由于每种疾病的发生率变化很大,因此医学图像数据集中的类别的频率是不平衡的,导致这种不常的类别的准确性差。一种可能的解决方案是使用由生成对抗网络(GAN)创建的合成图像来对不频繁类别进行数据增加,但是传统的GAN也需要一定量的图像来学习。为了克服这个限制,这里我们提出了通用到详细的GAN(GDGAN),串联两个GAN,一个用于通用标签,另一个用于详细标签。 GDGAN产生了多样化的医学图像,使用现有方法训练的使用综合数据集的网络优于其他网络,并且接收器工作特征(ROC)曲线的面积曲线(AUC)。
Deep learning has significant potential for medical imaging.However, sincethe incident rate of each disease varies widely, the frequency of classes in amedical image dataset is imbalanced, leading to poor accuracy for suchinfrequent classes.One possible solution is data augmentation of infrequentclasses using synthesized images created by Generative Adversarial Networks(GANs), but conventional GANs also require certain amount of images to learn.To overcome this limitation, here we propose General-to-detailed GAN (GDGAN),serially connected two GANs, one for general labels and the other for detailedlabels.GDGAN produced diverse medical images, and the network trained with anaugmented dataset outperformed other networks using existing methods withrespect to Area-Under-Curve (AUC) of Receiver Operating Characteristic (ROC)curve.人工智能论文:不常见的医学图像的一般到详细的GAN(General-to-Detailed GAN for Infrequent Class Medical Images) uJwg1ZM3QIzhUzOP.jpg
URL地址:https://arxiv.org/abs/1812.01690     ----pdf下载地址:https://arxiv.org/pdf/1812.01690    ----人工智能论文:不常见的医学图像的一般到详细的GAN(General-to-Detailed GAN for Infrequent Class Medical Images)
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则 返回列表 发新帖

tulike当前离线
新手上路

查看:224 | 回复:0

快速回复 返回顶部 返回列表