医学影像中建模与分类的结构表示自联想学习
计算机视觉与模式识别
2026-03-10 v5 机器学习
摘要
基于卷积神经网络的深度学习架构倾向于依赖连续、平滑的特征。虽然这一特性提供了显著的鲁棒性并在许多现实任务中证明有用，但它与世界物理特性惊人地不相容，在人类活动的尺度上，世界由清晰的对象组成，通常代表明确的类别。本研究提出了一类神经符号系统，它们通过以视觉基元重建图像来学习，从而被迫形成对图像的高层次结构解释。当应用于组织学影像异常诊断任务时，该方法在分类准确性方面被证明优于传统的深度学习架构，同时更具透明度。
引用
@article{arxiv.2411.12070,
title = {Autoassociative Learning of Structural Representations for Modeling and Classification in Medical Imaging},
author = {Zuzanna Buchnajzer and Kacper Dobek and Stanisław Hapke and Daniel Jankowski and Krzysztof Krawiec},
journal= {arXiv preprint arXiv:2411.12070},
year = {2026}
}
备注
15 pages, 9 figures