이 논문은 의료 영상 분류에서 데이터 부족 문제를 해결하기 위해 데이터 기반 적은 샘플 학습 프레임워크를 제안한다. 기존의 적은 샘플 학습 방법들과 달리, 이 연구는 주성분 분석(PCA)과 비음수 행렬 분해(NMF) 및 그 감독 학습 변형들을 활용하여 특징 공간을 저차원 부공간으로 변환한다.
실험 결과, NMF와 그 감독 학습 변형들은 PCA 기반 부공간 표현보다 우수한 성능을 보였다. 특히 감독 NMF 알고리즘인 DNMF와 SCNMFS는 부공간의 판별력을 높여 더 효과적인 성능을 달성했다. 또한 NMF의 부분 기반 표현은 제한된 샘플에서도 의료 영상의 병변 영역을 효과적으로 탐지할 수 있음을 보였다.
전반적으로 이 연구는 의료 영상 분류에서 데이터 부족 문제를 해결하기 위해 NMF 기반 부공간 표현이 PCA 기반 방법보다 경쟁력 있는 대안이 될 수 있음을 시사한다.
A otro idioma
del contenido fuente
arxiv.org
Ideas clave extraídas de
by Keqiang Fan,... a las arxiv.org 04-04-2024
https://arxiv.org/pdf/2404.02656.pdfConsultas más profundas