PulseAugur
中
实时 10:58:55
English(EN) DisMix: Order-Aware Mixup for Medical Imaging via Disentangling Ordinal and Non-Ordinal Features

解耦混合增强医学影像序数分类

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了DisMix，一种专为医学影像序数分类任务设计的新型数据增强技术。与可能扭曲医学标签中固有严重程度进展的标准混合方法不同，DisMix使用双码本VQ-VAE解耦序数特征和非序数特征。这允许特征子空间独立混合，在引入外观多样性的同时保持序数信号的完整性。与现有的混合基线和序数分类器相比，DisMix在多个医学影像数据集上表现出优越的性能，即使在数据有限和临床分级不同的情况下也有效。 AI

影响 引入了一种专门的数据增强技术，可以提高AI模型在医学诊断中的准确性和鲁棒性。

排序理由 该集群包含一篇详细介绍医学影像数据增强新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

解耦混合增强医学影像序数分类

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Dileepa Pitawela, Gustavo Carneiro, Hsiang-Ting Chen ·

    DisMix：通过解耦序数和非序数特征实现面向顺序的医学影像混合

    arXiv:2608.04652v1 Announce Type: cross Abstract: Image mixup is a widely adopted data augmentation strategy, yet it is ill-suited for ordinal classification tasks such as medical disease grading, where labels encode a progression of severity. By indiscriminately blending disease…

相关实体

相关话题