深度主动学习在医学图像分析中的全面综述
计算机视觉与模式识别
2024-03-14 v3
摘要
深度学习已在医学图像分析中取得广泛成功，导致对大规模专家标注医学图像数据集的需求日益增长。然而，医学图像标注的高成本严重阻碍了该领域深度学习的发展。为降低标注成本，主动学习旨在选择信息量最大的样本进行标注，并以尽可能少的标注样本训练高性能模型。本综述中，我们回顾主动学习的核心方法，包括信息量评估与采样策略。我们首次详细总结了主动学习与其他标签高效技术（如半监督、自监督学习等）的融合。我们还总结了专门面向医学图像分析的主动学习工作。此外，我们通过实验对医学图像分析中不同 AL 方法性能进行了透彻的比较分析。最后，我们就主动学习及其在医学图像分析中的应用的未来趋势与挑战给出我们的见解。
引用
@article{arxiv.2310.14230,
title = {A comprehensive survey on deep active learning in medical image analysis},
author = {Haoran Wang and Qiuye Jin and Shiman Li and Siyu Liu and Manning Wang and Zhijian Song},
journal= {arXiv preprint arXiv:2310.14230},
year = {2024}
}
备注
More papers and contents of medical image analysis & performance analysis on medical imaging datasets with experiments