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)