利用多臂老虎机从大型医学数据中智能选择训练集
计算机视觉与模式识别
2017-05-30 v2
摘要
随着大型医学图像数据的可用性，选择合适的训练集对于解决不同数据集的异质性变得越来越重要。简单地包含所有数据不仅会产生高昂的处理成本，甚至可能损害预测效果。我们将从大型医学图像数据中智能且高效地选择训练数据集的问题表述为一个多臂老虎机问题，并通过 Thompson 采样求解。我们的方法假设在选择样本时无法获取图像特征，因此仅依赖于与图像相关的元信息。我们的策略在同时利用具有高概率产生有用样本的数据源的同时，探索新的数据区域。在评估中，我们关注于从脑部 MRI 估计年龄的应用。我们在来自 10 个数据集的 7,250 名受试者上的结果表明，我们的方法在仅需一小部分训练数据的情况下实现了更高的准确率。
引用
@article{arxiv.1705.08111,
title = {A Multi-Armed Bandit to Smartly Select a Training Set from Big Medical Data},
author = {Benjamín Gutiérrez and Loïc Peter and Tassilo Klein and Christian Wachinger},
journal= {arXiv preprint arXiv:1705.08111},
year = {2017}
}
备注
MICCAI 2017 Proceedings