面向传输电子显微镜图像中电子稠密沉积物可靠检测的主动标签清洗
计算机视觉与模式识别
2026-02-06 v1
摘要
自动检测传输电子显微镜图像中的电子稠密沉积物（EDD）因标签数据稀缺且质量不高而受限。虽然众包可降低标注成本，但会引入标签噪声。我们提出一种主动标签清洗方法，高效去噪众包数据集。该方法使用主动学习选择最有价值的噪声样本进行专家重标，从而构建高精度清洗模型。标签选择模块利用众包标签与模型预测之间的差异，用于样本选择和实例级噪声分级。实验表明，我们的方法在私有数据集上实现了 67.18% 的 AP@50，训练于噪声标签的性能提升 18.83%。该性能达到充分专家标注的 95.79%，同时将标注成本降低 73.30%。该方法为在专家资源有限的情况下开发可靠的医学 AI 提供了实用且高性价比的解决方案。
引用
@article{arxiv.2602.05250,
title = {Active Label Cleaning for Reliable Detection of Electron Dense Deposits in Transmission Electron Microscopy Images},
author = {Jieyun Tan and Shuo Liu and Guibin Zhang and Ziqi Li and Jian Geng and Lei Zhang and Lei Cao},
journal= {arXiv preprint arXiv:2602.05250},
year = {2026}
}
备注
10 pages, 6 figures