- …
- …
#657
summarized by : Mitani Tomohiro
どんな論文か？
医用画像のセグメンテーションのようにアノテーションコストが高いときのone-shot augment手法．頭部MRI画像における1枚のlabeled imageと他のunlabeled imageから，labeled imageからunlabeled imageへのtransformationを学習し，transformationをsampleして新規labled imageを生成する仕組み．
新規性
transformationを空間構造を変換するspatial transformationと，性状を学習するappearance transformationに分けて学習．いずれもU-Netベースのモデル．元画像を両モデルで変換，segmentationラベルをspatial transformationモデルのみで変換してaugment dataを作成した．
結果
supervised approachには及ばないものの，既存の角度変換やflipなどをベースにしたaugmentationによる成果を上回った．
その他（なぜ通ったか？等）
image間のtransformationをベースにしているので解剖構造のsegmentationには使えるが，例えば腫瘍など任意の位置に生じるような領域のsegmentationには用いることができないのでは．まさに例のように海馬硬化など構造のvolumetricな変化が生じる病変の検出などに有用か．
- …
- …