.png){kind=icon}
返回
A Classifier for Spinal Tumors Using Novel Data Augmentation
.png){kind=icon}
PRE
AI
DOI：10.1007/978-3-032-08508-5_29.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
脊柱肿瘤的检测和分类因缺乏可用的标注数据而面临挑战。这促使我们创建一个增强型数据库供研究人员使用。本研究介绍了一种新颖的数据增强技术，即我们在健康腰椎MRI扫描中沿脑脊液插入肿瘤。该方法通过生成解剖学上真实的肿瘤变异来应对标注数据的稀缺问题，显著增强了训练多样性和模型鲁棒性。我们已系统性地生成增强数据，并在增强过程中实现了100%的准确率。使用此数据集，一个全自动流程在T2加权MRI图像上实现了99%的脊柱肿瘤类型分类准确率。该系统采用6层卷积神经网络（CNN）策略，并整合了解剖学先验以进行情境感知预测。这种基于增强的方法为脊柱肿瘤诊断提供了具有临床相关性的解决方案。
Keyword:
Data Augmentation
Classification
Random Forest
CNN
期刊
机构
引用论文
Fully Automatic Localization and Segmentation of 3D Vertebral Bodies from CT/MR Images via a Learning-Based Method.png)
PLOS ONE
OAAI
PLOS ONEIF0
OAAI分享收藏分享收藏Unpaired Image-to-Image Translation Using Cycle-Consistent Adversarial Networks使用循环一致的对抗网络进行不成对的图像到图像的翻译OAAI
OAAI分享收藏Automatic Brain Tumor Detection and Segmentation Using U-Net Based Fully Convolutional Networks
PREAI
分享收藏Refined Automatic Brain Tumor Classification Using Hybrid Convolutional Neural Networks for MRI ScansDIAGNOSTICSOAAI
DIAGNOSTICSIF3.3
OAAI分享收藏
查看更多内容