HyperAIHyperAI
vor 17 Tagen

Raumlich exklusives Pasting: Eine allgemeine Daten-Augmentierung für die Polyp-Segmentierung

Lei Zhou
Raumlich exklusives Pasting: Eine allgemeine Daten-Augmentierung für die Polyp-Segmentierung
Abstract

Automatisierte Polypen-Segmentierungstechnologie spielt eine wichtige Rolle bei der Diagnose von Darmerkrankungen, wie beispielsweise Tumoren und präkanzerösen Läsionen. Bisherige Ansätze haben typischerweise convolutionale U-Net- oder Transformer-basierte neuronale Netzwerke mit beschrifteten Daten trainiert. Allerdings sind die verfügbaren öffentlichen Datensätze für die Polypen-Segmentierung zu klein, um die Netzwerke ausreichend zu trainieren, was das tatsächliche Leistungspotenzial jedes Modells einschränkt. Um dieses Problem zu mildern, schlagen wir eine universelle Daten-Augmentierungstechnologie vor, die es ermöglicht, aus bestehenden Datensätzen zusätzliche Daten zu synthetisieren. Konkret fügen wir den Polypenbereich räumlich exklusiv in den Hintergrund derselben Bildregion ein, um eine kombinatorisch große Anzahl neuer Bilder zu generieren. Umfangreiche Experimente an verschiedenen Netzwerken und Datensätzen zeigen, dass die vorgeschlagene Methode die Daten-Effizienz verbessert und konsistente Verbesserungen gegenüber Baseline-Verfahren erzielt. Schließlich erreichen wir eine neue State-of-the-Art-Leistung für diese Aufgabe. Wir werden den Quellcode bald veröffentlichen.

Raumlich exklusives Pasting: Eine allgemeine Daten-Augmentierung für die Polyp-Segmentierung | Neueste Forschungsarbeiten | HyperAI