Core Concepts
追加データを使用する際のドメインシフトへの対処方法とその効果について研究しました。
Abstract
追加データを使用することで結果が改善されることが知られています。
ドメインシフトにより、新しいデータは元のトレーニングデータと大きく異なる分布を持つ可能性があります。
ヒストグラムマッチングを使用して追加データを変換することで、単純な正規化よりも良い結果が得られることが示されました。
導入
腎臓構造(腎臓、腫瘍、嚢胞)のセグメンテーションは重要です。
医用画像セグメンテーションでは他の領域に比べて少ないトレーニングデータが利用可能です。
方法
追加データを前処理してオリジナルデータと一緒に訓練します。
3D U-Netモデルを使用して複数のデータ拡張技術で訓練します。
結果
Dataset 1およびDataset 2で訓練し、KiTS23から147枚の画像を検証に使用しました。
Dataset 2でヒストグラム均等化を適用することで、すべてのターゲット指標向上が見られました。
Stats
新しいデータは他の機器で取得された可能性があるため、分布が異なる場合があります。
追加データを変換する際にヒストグラムマッチングを使用することで結果が改善されます。