基于元学习的小样本含噪标签医学数据深度学习
计算机视觉与模式识别
2021-02-16 v2
摘要
得益于深度神经网络，计算机视觉系统近来取得了巨大飞跃。然而，这些系统需要正确标注的大型数据集才能妥善训练，而这对于医学应用而言极难获取。医学应用中标签噪声的两个主因是数据的高复杂性和专家意见的分歧。此外，医学影像数据集通常很小，这使得每个数据在学习中都非常重要。因此，若处理不当，标签噪声会显著降低性能。为此，本文提出了一种利用元学习范式的抗标签噪声学习算法。所提方案在早产儿视网膜病变（ROP）数据集上进行了测试，该数据集标签噪声高达 68%。结果表明，在存在噪声标签的情况下，所提算法显著提升了分类算法的性能。
引用
@article{arxiv.2010.06939,
title = {Deep Learning from Small Amount of Medical Data with Noisy Labels: A Meta-Learning Approach},
author = {Görkem Algan and Ilkay Ulusoy and Şaban Gönül and Banu Turgut and Berker Bakbak},
journal= {arXiv preprint arXiv:2010.06939},
year = {2021}
}
备注
Accepted by ICRPOA 2021: International Conference on Retinopathy of Prematurity Ophthalmologic Approach