一种带不确定性量化的糖尿病视网膜病变分类主动学习方法
机器学习
2020-12-29 v2
摘要
近年来，深度学习（DL）技术在多种医学影像任务上提供了最先进的性能。然而，由于时间限制和专家标注者（如放射科医生）的可及性，获取优质标注医学数据极具挑战。此外，DL是数据饥渴的，其训练需要大量计算资源。DL的另一个问题是其黑箱本质及内部工作机制缺乏透明性，这阻碍了因果理解与推理。本文中，我们联合应对这些挑战，提出一种混合模型，其使用贝叶斯卷积神经网络（BCNN）进行不确定性量化，并使用主动学习方法标注未标记数据。BCNN被用作特征描述子，这些特征随后用于在主动学习设定下训练模型。我们针对糖尿病视网膜病变分类问题评估了所提框架，并在不同指标上达到了最先进的性能。
引用
@article{arxiv.2012.13325,
title = {An Active Learning Method for Diabetic Retinopathy Classification with Uncertainty Quantification},
author = {Muhammad Ahtazaz Ahsan and Adnan Qayyum and Junaid Qadir and Adeel Razi},
journal= {arXiv preprint arXiv:2012.13325},
year = {2020}
}
备注
12 pages, 11 figures, journal version