論文筆記《Adversarial Networks for Prostate Cancer Detection》

摘要：深度神經網絡的大量可訓練參數使得它們天生就需要大量的數據。這一特性嚴重挑戰了醫學影像學界，更糟糕的是，許多影像學模式本質上是模棱兩可的，導致目前的損失公式無法捕捉到評分者依賴的註釋。爲了緩解上述問題，我們提出在分割網絡中使用對抗性訓練。我們學習如何利用152位病人的磁共振成像來分割侵襲性前列腺癌，並顯示所提出的方案在偵測靈敏度和Dice評分方面優於事實上的標準。在較小的數據集限制下，所獲得的

>>阅读原文<<