哪些图像可以标记为少数镜头医学图像分析?
Quan Quan1, Qingsong Yao1, Heqin Zhu2
1Institute of Computing Technology, Chinese Academy of Sciences (CAS), Beijing, 100080, China; University of Chinese Academy of Sciences (UCAS), Beijing, 101408, China.
Medical image analysis
|May 27, 2024
概括
在医学成像中,选择最好的模板图像对于少数镜头学习至关重要. 我们的新TEMplate选择策略 (TECP) 通过识别最有信息的图像进行注释来提高模型性能.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 计算机视觉 计算机视觉
背景情况:
- 深度学习需要大型标记数据集,但医学图像注释对放射科医生来说是耗时的.
- 少数镜头学习通过使用更少的标签图像提供解决方案,但模板图像选择仍然是一个挑战.
研究的目的:
- 提出和验证一个新的TEMPLATE选择策略 (TECP) 进行最佳的模板图像选择在少数镜头医学学习.
- 提高医疗成像任务中少数镜头学习模型的效率和性能.
主要方法:
- 开发了四个组成部分的TECP:自主监督培训,信息区域本地化,代表性得分估计和排名.
- 将TECP应用于多个短时间的医疗任务:地标检测,解剖检测和解剖细分.
- 在公共数据集上进行实验,以评估TECP的有效性.
主要成果:
- TECP成功地确定并选择了最有信息的模板图像进行注释.
- 使用TECP在所有测试的医疗任务中都带来了显著的性能改善.
- 拟议的方法在各种短暂的医疗学习场景中表现出有效性.
结论:
- 通过优化模板图像选择,TECP解决了少数镜头学习中的关键差距.
- 该政策显著提高了医疗图像分析任务中的模型性能.
- TECP为提高医疗人工智能开发效率提供了一个有价值的策略.
