用于 MedMNIST 分类十项赛的 Complex Mixer

随着医学图像领域的发展,研究者寻求开发一类无需医学知识的数据集,例如 MedMNIST (v2)。MedMNIST (v2) 包含大量小尺寸(28 $\times$ 28 或 28 $\times$ 28 $\times$ 28)医学样本及相应的专家标注(类别标签)。现有基线模型(Google AutoML Vision、ResNet-50+3D)在 MedMNIST (v2) 数据集上可达超过 70% 的平均准确率,可与专家决策性能相媲美。然而,我们注意到在 MedMNIST (v2) 上建模存在两个难以克服的障碍:1) 原始图像被裁剪至低尺度可能导致有效识别信息丢失,并使分类器难以追踪准确决策边界;2) 标注者的主观认知可能导致标签空间中的诸多不确定性。为解决这些问题,我们开发了带有预训练框架的 Complex Mixer (C-Mixer),通过引入激励虚矩阵与带随机掩码的自监督方案,缓解信息不足与标签空间不确定性的问题。我们的方法(激励学习与带掩码的自监督学习)在标准 MedMNIST (v2) 数据集、定制的弱监督数据集以及其他图像增强任务上均展现出惊人潜力。