标注模糊图像：面向高质量数据的通用标注策略及真实世界生物医学验证

在图像分类领域，现有方法常受偏置或模糊数据所困，这是真实场景中的普遍问题。当前策略，包括半监督学习和类别混合，提供了部分解决方案但缺乏确定性解决手段。为弥补这一缺口，本文提出了一种在困难数据集中生成高质量标签的新策略。我们方法的核心是一个基于广泛文献回顾清晰设计的流程图，其支持可靠标签的创建。我们通过生物医学领域严格的真实世界测试用例——具体为从椎体影像推断高度降低——验证了我们的方法。我们利用超过250,000条标注进行的实证研究表明，与其他备选方案相比，我们策略决策的有效性。