高度不平衡肠道图像数据集均衡策略

医学图像分类天然受到数据集高度不平衡问题影响。文章首先阐述医学图像的数据不平衡问题及其对人工智能技术分类性能产生的影响。随后研究现有对数据不平衡问题提供类间数据平衡分布的方法,讨论肠道图像中遇到的暗区以及病灶区域旋转等特殊挑战,根据肠道图像的特点,设计一种适用于肠道图像数据集的类间数据平衡方法。核心思路包括利用数量巨大的健康图像为基底,线性组合病灶图像,在选取图像时去除暗区部分较大的健康图像以降低暗区对分类性能的影响,同时通过病灶图像的旋转和平移模拟临床中肠道病灶的旋转特性和位置不确定的特点。通过这种简洁的方法,能够快速地进行高度不平衡的肠道图像数据集平衡。基于肠道图像疾病数据集进行实验,通过肠道溃疡和健康二分类仿真验证文章方法的有效性。