对用于医学图像分析的标签噪声深度学习的调查
Jialin Shi1, Kailai Zhang2, Chenyi Guo3
1School of Computer and Communication Engineering, University of Science and Technology Beijing, Beijing, China.
Medical image analysis
|April 13, 2024
概括
在医学成像中使用噪音标签的学习是非常重要的,因为注释不可靠. 本调查审查了在医学图像分析中处理标签噪声的方法,帮助研究人员开发强大的深度学习模型.
科学领域:
- 医疗成像医学成像
- 深度学习 (Deep Learning) 是一种深度学习.
- 计算机视觉 计算机视觉
背景情况:
- 深度学习模型需要大型,准确注释的数据集才能取得成功.
- 医疗成像数据集往往因为标签不一致和挑战而遭受噪音标签.
- 噪音标签对深度神经网络的泛化性能产生负面影响.
研究的目的:
- 提供针对医学图像领域的标签噪声学习的最新调查.
- 组织和综合现有关于处理医疗成像中的噪音标签方法的知识.
- 帮助研究人员和从业人员理解和应用标签噪音学习技术.
主要方法:
- 关于医学成像中的标签噪声学习方法的综合文献综述.
- 基于其方法差异的典型方法的说明和分类.
- 方法比较,突出不同方法的优点和缺点.
主要成果:
- 医疗图像现有标签噪声学习方法的统一分类.
- 对各种技术的优缺点进行比较分析.
- 根据医疗图像特征量身定制的关键研究方向的确定.
结论:
- 标签噪声学习对于在医学图像分析中推进深度学习至关重要.
- 这项调查提供了当前方法及其性能的结构化概述.
- 未来的研究应该专注于新的方法来减轻医疗数据中的标签噪声影响.
