Error Corrective Boosting for Learning Fully Convolutional Networks with Limited Data
スポンサーリンク
論文URL
https://arxiv.org/pdf/1705.00938.pdf
2017年7月公開
ポイント
- 以下の条件で、脳のMRI画像をSegmentation
- ラベル無しMRI画像は数多く有るが、医師によるラベル付きMRI画像が少ない
- 既存のSegmentationソフトウェア(FreeSurfer)が有る
- Error Correcting Boostingにより分類精度の低いクラスの学習を効率化
- 損失関数を工夫している
学習の流れ
- 大量のラベル無しMRI画像(IXI Dataset)を既存ソフトウェア(FreeSurfer)でSegmentation
- 上記Segmentation結果を教師データとして、FreeSurferを模倣するSegmentationモデル(IXI FS-Net)を学習
- 少量のラベル付きMRI画像でIXI FS-Netをfine tuning
- Error Correcting Boostingも適用
損失関数
IXI FS-Net学習時の損失関数
- 損失関数(Eq1)の第一項はlogistic loss、第二項はdice loss
- logistic lossの重み (Eq2)の第一項は教師ラベルの頻度の偏りを補正する項、第二項はSegmentationのクラス境界領域画素に付与する追加の重み
Error Correcting Boosting
- 上手く学習できていないクラスのロスを大きくするよう、fine tuning時にEq2第一項の重みをEq3に変更
- t回目エポックの検証精度at が低いクラスほど損失が大きくなるようになっている