基于主动学习的域适应在组织病理图像组织分割中的应用
图像与视频处理
2023-03-10 v1 计算机视觉与模式识别
摘要
在组织病理图像中准确分割组织，对于界定感兴趣区域（ROI）以简化诊断和预后任务非常有益。然而，由于不同数据集中组织的视觉特征可能存在显著差异，适应不同域对于组织病理图像分析至关重要。但在医学领域获取充足的标注数据繁琐且耗时。利用主动学习可显著减少标注工作量，其能够选择性地标注信息量最大的样本。我们提出的方法可使用来自目标域的一小组标注数据对预训练深度神经网络进行微调，同时主动选择下一步最具信息量的样本进行标注。我们证明，在相似 F1 分数的情况下，与传统监督学习方法相比，我们的方法仅使用 59% 的训练集即所需标注样本显著更少。我们还研究了类别平衡的分布以建立标注准则。
引用
@article{arxiv.2303.05225,
title = {Active Learning Based Domain Adaptation for Tissue Segmentation of Histopathological Images},
author = {Saul Fuster and Farbod Khoraminia and Trygve Eftestøl and Tahlita C. M. Zuiverloon and Kjersti Engan},
journal= {arXiv preprint arXiv:2303.05225},
year = {2023}
}