Multi-task learning for classification, segmentation, reconstruction, and detection on chest CT scans

要約

肺がんと covid-19 は、世界で最も罹患率と死亡率が高いものの 1 つです。
医師にとって、病気の初期段階では病変を特定するのは難しく、時間がかかります。
したがって、マルチタスク学習は、一般化をより良く学習するため、少量の医療データから病変などの重要な特徴を抽出するためのアプローチです。
私たちは、分類、セグメンテーション、再構成、検出のための新しいマルチタスク フレームワークを提案します。
私たちの知る限り、私たちはマルチタスク ソリューションに検出を追加した最初の企業です。
さらに、セグメンテーション タスクで 2 つの異なるバックボーンと異なる損失関数を使用できる可能性を確認しました。

要約(オリジナル)

Lung cancer and covid-19 have one of the highest morbidity and mortality rates in the world. For physicians, the identification of lesions is difficult in the early stages of the disease and time-consuming. Therefore, multi-task learning is an approach to extracting important features, such as lesions, from small amounts of medical data because it learns to generalize better. We propose a novel multi-task framework for classification, segmentation, reconstruction, and detection. To the best of our knowledge, we are the first ones who added detection to the multi-task solution. Additionally, we checked the possibility of using two different backbones and different loss functions in the segmentation task.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google