医学图像分割论文:Unified Representation Learning for Efficient Medical Image Analysis

医学图像分割论文:Unified Representation Learning for Efficient Medical Image Analysis

Auther: Ghada Zamzmi, Institution: National Institutes of Health, Publish year: 2020

论文地址：https://arxiv.org/abs/2006.11223

Key point:

• 医学图像分析通常包括图像增强、检测、分割和分类等任务，通常通过单独的机器学习方法来实现（每个任务对应一个特定模型），但作者提出了一个医学图像分析统一框架U-Rep，使用同一模型对应多个任务
• U-Rep可以使用未标记和少量标记的数据进行训练，经训练的U-Rep可以共享模型权重，同时学习多项任务（multi-task-learning, MTL）
• 可提高泛化能力，减少资源利用率和模型训练时间，尤其适用于未标记数据或有限数量标记数据
• MTL structure and loss function
• 现有的MTL框架在编码器上存在冗余，对于每个子任务，均需要带标注数据，没有关注图像预处理子任务（降噪，增强）