一种用于肺部超声图像中B线检测的半监督学习方法
图像与视频处理
2023-03-24 v3
摘要
研究已证明，肺部超声图像中B线的数量与血管外肺水量有很强的统计关联，这对血液透析治疗具有重要意义。人工检查B线需要专家且耗时，而由于缺乏真值，目前建模自动化方法存在困难。因此，本文提出一种基于对比学习的B线检测任务的新型半监督学习方法。通过对未标记的肺部超声图像进行多级无监督学习，学习伪影的特征。在下游任务中，我们使用基于EIoU的损失函数在少量标记图像上引入微调过程。除了减少数据标注工作量外，所提方法表现出优于基于模型的算法的性能，其召回率为91.43%、准确率为84.21%、F1分数为91.43%。
引用
@article{arxiv.2211.14050,
title = {A Semi-supervised Learning Approach for B-line Detection in Lung Ultrasound Images},
author = {Tianqi Yang and Nantheera Anantrasirichai and Oktay Karakuş and Marco Allinovi and Alin Achim},
journal= {arXiv preprint arXiv:2211.14050},
year = {2023}
}
备注
5 pages, 3 figures, conference