Der Artikel stellt eine neue und umfassende Benchmark für die Destillation medizinischer Bilddatensätze vor. Durch die Evaluierung wird deutlich, dass die vorgeschlagene Strategie der progressiven Trajektorienanpassung und der Eliminierung von Überlappungen bei synthetischen Bildern zu Spitzenleistungen führt.
Die Benchmark umfasst sechs öffentliche medizinische Datensätze mit unterschiedlichen Modalitäten, Analyseaufgaben und Auflösungen. Die Autoren identifizieren zwei Hauptherausforderungen bei der Destillation medizinischer Datensätze:
Instabilität des Trainings bei bestehenden Methoden zur zufälligen Anpassung von Trajektoriesegmenten. Die Autoren schlagen stattdessen eine neuartige Strategie der progressiven Trajektorienanpassung vor, bei der der Startpunkt und Endpunkt der Trajektorie schrittweise angepasst werden.
Mangelnde Diversität der synthetischen Bilder und gesättigte Gradienten in der Optimierung. Um dies zu lösen, führen die Autoren ein dynamisches Modul zur Überlappungsminderung ein, das die Diversität der synthetischen Bilder innerhalb der Klassen erhöht und eine Neutrainingsstrategie für eine bessere Konvergenz verwendet.
Die Ergebnisse zeigen, dass die vorgeschlagene Methode im Durchschnitt eine 8,33%ige Verbesserung gegenüber den bisherigen Spitzenmethoden erzielt und bei ipc = 2 (d.h. 2 Bilder pro Klasse) sogar eine 11,7%ige Verbesserung erreicht.
To Another Language
from source content
arxiv.org
Дополнительные вопросы