Transfer Learning via Parameter Regularization for Medical Image Segmentation

نتاج البحث: فصل من :كتاب / تقرير / مؤتمرمنشور من مؤتمرمراجعة النظراء

ملخص

Transfer learning is a popular strategy to overcome the difficulties posed by limited training data. It uses the parameters of the source task to initialize the parameters of the target task. In this study, we cast transfer learning as a regularization procedure. In addition to initialization, we incorporate the source task parameters into the cost function used to train the target task. We regularize the learned parameters by penalizing them if they deviate too much from their initial values. We demonstrate the power of the proposed transfer learning scheme on the task of COVID-19 opacity https://www.overleaf.com/projectsegmentation. Specifically, we show that it can improve the segmentation of coronavirus lesions in chest CT scans.

اللغة الأصليةالإنجليزيّة
عنوان منشور المضيف29th European Signal Processing Conference, EUSIPCO 2021 - Proceedings
الصفحات985-989
عدد الصفحات5
رقم المعيار الدولي للكتب (الإلكتروني)9789082797060
المعرِّفات الرقمية للأشياء
حالة النشرنُشِر - 2021
الحدث29th European Signal Processing Conference, EUSIPCO 2021 - Dublin, إيرلندا
المدة: ٢٣ أغسطس ٢٠٢١٢٧ أغسطس ٢٠٢١

سلسلة المنشورات

الاسمEuropean Signal Processing Conference
مستوى الصوت2021-August

!!Conference

!!Conference29th European Signal Processing Conference, EUSIPCO 2021
الدولة/الإقليمإيرلندا
المدينةDublin
المدة٢٣/٠٨/٢١٢٧/٠٨/٢١

All Science Journal Classification (ASJC) codes

  • !!Signal Processing
  • !!Electrical and Electronic Engineering

بصمة

أدرس بدقة موضوعات البحث “Transfer Learning via Parameter Regularization for Medical Image Segmentation'. فهما يشكلان معًا بصمة فريدة.

قم بذكر هذا