Jul, 2023
CosSIF: 基于余弦相似度的图像筛选方法，克服合成医学图像数据集中的低类间差异
CosSIF: Cosine similarity-based image filtering to overcome low inter-class variation in synthetic medical image datasets
Mominul Islam, Hasib Zunair, Nabeel Mohammed
TL;DR在医学图像分析中，使用深度学习模型需要克服医学图像数据集中缺乏显著类间变化的复杂任务，而使用生成对抗网络生成合成图像时，该挑战进一步加剧。本研究提出了一种新的过滤算法，名为基于余弦相似度的图像过滤（CosSIF），并分别开发了 FBGT 和 FAGT 两种不同的过滤方法。实验结果表明，使用现代的变压器和卷积网络结合 FAGT 或 FBGT 方法，可以在各种评估指标上实现显著的性能提升。在 ISIC-2016 数据集上，FAGT 方法在敏感性方面超过基线方法 1.59％和 AUC1.88％。此外，在 HAM10000 数据集上，应用 FABT 方法在召回率方面超过基线方法 13.75％，仅使用 FAGT 方法则可以达到 94.44％的最高准确率。