论文笔记《Adversarial Networks for Prostate Cancer Detection》

摘要：深度神经网络的大量可训练参数使得它们天生就需要大量的数据。这一特性严重挑战了医学影像学界，更糟糕的是，许多影像学模式本质上是模棱两可的，导致目前的损失公式无法捕捉到评分者依赖的注释。为了缓解上述问题，我们提出在分割网络中使用对抗性训练。我们学习如何利用152位病人的磁共振成像来分割侵袭性前列腺癌，并显示所提出的方案在侦测灵敏度和Dice评分方面优于事实上的标准。在较小的数据集限制下，所获得的

>>阅读原文<<