Red-GAN:条件付き生成によるクラス不均衡の攻撃  皮膚病変ダーモスコピーおよび脳腫瘍MRIのための医用画像合成に関するもう一つの展望【JST・京大機械翻訳】

Qasim Ahmad B; Ezhov Ivan; Shit Suprosanna; Schoppe Oliver; Paetzold Johannes C; Sekuboyina Anjany; Kofler Florian; Lipkova Jana; Li Hongwei; Menze Bjoern

プレプリント

J-GLOBAL ID：202202209972893170 整理番号：21P0029857

Red-GAN:条件付き生成によるクラス不均衡の攻撃皮膚病変ダーモスコピーおよび脳腫瘍MRIのための医用画像合成に関するもう一つの展望【JST・京大機械翻訳】

Red-GAN: Attacking class imbalance via conditioned generation. Yet another perspective on medical image synthesis for skin lesion dermoscopy and brain tumor MRI

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (10件)： , , , , , , , , ,
資料名：
発行年： 2020年04月22日プレプリントサーバーでの情報更新日： 2021年03月27日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

不十分なデータ体制の下での学習アルゴリズムの利用は,医用イメージング分野の限界と現実である。問題を緩和する試みにおいて,著者らは,生成敵対ネットワークに基づくデータ増強プロトコルを提案した。画素レベル(セグメンテーションマスク)とグローバルレベル情報(取得環境または病変タイプ)でネットワークを条件付けした。このような調整は,合成画像の大域的クラス特異的外観を制御しながら,画像ラベル対への即時アクセスを提供する。セグメンテーションタスクに関連する特徴の合成を刺激するために,セグメントの形式における付加的受動プレーヤを敵対ゲームに導入した。2つの医療データセット:BraTS,ISIC,に関するアプローチを検証した。訓練セットへの合成画像の注入を通してクラス分布を制御することで,著者らはデータセットクラスの精度レベルに関する制御を達成した。【JST・京大機械翻訳】

, , , , , , ,
, , , , , 【Automatic Indexing@JST】

医用画像処理 , 図形・画像処理一般 , パターン認識

, , , , , , , ,

前のページに戻る

Red-GAN:条件付き生成によるクラス不均衡の攻撃 皮膚病変ダーモスコピーおよび脳腫瘍MRIのための医用画像合成に関するもう一つの展望【JST・京大機械翻訳】

Red-GAN:条件付き生成によるクラス不均衡の攻撃皮膚病変ダーモスコピーおよび脳腫瘍MRIのための医用画像合成に関するもう一つの展望【JST・京大機械翻訳】