Producing Histopathology Phantom Images using Generative Adversarial Networks to improve Tumor Detection

要約

医療画像処理の進歩は、ディープラーニング研究において重要な部分を占めています。
コンピューター ビジョンの目標の 1 つは、生検によって得られた組織スライドから腫瘍を特定できる、全体的で包括的なモデルを開発することです。
立ちはだかる大きな問題は、いくつかの種類のがんに関するデータが不足していることです。
この論文では、GAN を使用したデータ拡張が、データセット内のさまざまな種類のがんの分布の不均一性を軽減するための実行可能なソリューションとなり得ることを確認します。
私たちのデモンストレーションでは、データセットを 50% 増加させると腫瘍検出率が 80% から 87.5% に増加することが示されました。

要約(オリジナル)

Advance in medical imaging is an important part in deep learning research. One of the goals of computer vision is development of a holistic, comprehensive model which can identify tumors from histology slides obtained via biopsies. A major problem that stands in the way is lack of data for a few cancer-types. In this paper, we ascertain that data augmentation using GANs can be a viable solution to reduce the unevenness in the distribution of different cancer types in our dataset. Our demonstration showed that a dataset augmented to a 50% increase causes an increase in tumor detection from 80% to 87.5%

arxiv情報

提供元, 利用サービス

arxiv.jp, Google