Data augmentation for medical imaging: A systematic literature review

计算机科学 人工智能 机器学习 深度学习 任务(项目管理) 医学影像学 集合(抽象数据类型) 分割 数据集 数据科学 经济 管理 程序设计语言
作者
Fabio Garcea,Alessio Serra,Fabrizio Lamberti,Lia Morra
出处
期刊:Computers in Biology and Medicine [Elsevier]
卷期号:152: 106391-106391 被引量:131
标识
DOI:10.1016/j.compbiomed.2022.106391
摘要

Recent advances in Deep Learning have largely benefited from larger and more diverse training sets. However, collecting large datasets for medical imaging is still a challenge due to privacy concerns and labeling costs. Data augmentation makes it possible to greatly expand the amount and variety of data available for training without actually collecting new samples. Data augmentation techniques range from simple yet surprisingly effective transformations such as cropping, padding, and flipping, to complex generative models. Depending on the nature of the input and the visual task, different data augmentation strategies are likely to perform differently. For this reason, it is conceivable that medical imaging requires specific augmentation strategies that generate plausible data samples and enable effective regularization of deep neural networks. Data augmentation can also be used to augment specific classes that are underrepresented in the training set, e.g., to generate artificial lesions. The goal of this systematic literature review is to investigate which data augmentation strategies are used in the medical domain and how they affect the performance of clinical tasks such as classification, segmentation, and lesion detection. To this end, a comprehensive analysis of more than 300 articles published in recent years (2018–2022) was conducted. The results highlight the effectiveness of data augmentation across organs, modalities, tasks, and dataset sizes, and suggest potential avenues for future research.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
科研通AI2S应助小稻草人采纳,获得10
2秒前
月入十达不刘完成签到,获得积分10
2秒前
丘比特应助dsi采纳,获得10
3秒前
xinlei2023完成签到,获得积分10
3秒前
ChenBichi完成签到,获得积分10
3秒前
超帅阿佳发布了新的文献求助10
3秒前
4秒前
bkagyin应助快乐小韩采纳,获得10
4秒前
QYQX完成签到,获得积分20
4秒前
5秒前
hopen发布了新的文献求助10
5秒前
5秒前
传奇3应助多情飞松采纳,获得10
5秒前
虚幻的涵柏完成签到,获得积分10
5秒前
一张不够花完成签到,获得积分10
5秒前
wwt完成签到,获得积分10
6秒前
日川冈坂完成签到 ,获得积分10
6秒前
发光诱饵发布了新的文献求助10
6秒前
带头大哥应助阿QQ采纳,获得100
7秒前
7秒前
7秒前
寒江月完成签到,获得积分10
8秒前
小卡拉米发布了新的文献求助10
9秒前
scxl2000完成签到,获得积分10
9秒前
wuhoo完成签到,获得积分10
9秒前
zino完成签到,获得积分10
10秒前
CodeCraft应助QYQX采纳,获得10
10秒前
11秒前
11秒前
11秒前
85搏一博应助hbuhfl采纳,获得10
11秒前
mumu完成签到,获得积分10
12秒前
13秒前
13秒前
小稻草人发布了新的文献求助10
13秒前
14秒前
落寞电源完成签到,获得积分20
14秒前
Lee完成签到,获得积分10
14秒前
hopen完成签到,获得积分10
14秒前
麻将520发布了新的文献求助10
15秒前
高分求助中
The late Devonian Standard Conodont Zonation 2000
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 2000
The Lali Section: An Excellent Reference Section for Upper - Devonian in South China 1500
Very-high-order BVD Schemes Using β-variable THINC Method 870
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 800
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 800
Fundamentals of Dispersed Multiphase Flows 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3253484
求助须知:如何正确求助?哪些是违规求助? 2896071
关于积分的说明 8289894
捐赠科研通 2564816
什么是DOI,文献DOI怎么找? 1392580
科研通“疑难数据库(出版商)”最低求助积分说明 652230
邀请新用户注册赠送积分活动 629559