带噪标签的深度学习：医学图像分析中的技术探索与应对方法

深度学习模型的有监督训练需要大规模标注数据集。在医学图像分析应用中获取此类数据集的兴趣日益增长。然而，标签噪声的影响尚未受到足够关注。近期研究表明，标签噪声会在许多机器学习和计算机视觉应用中显著影响深度学习模型的性能。这对于医学应用尤为令人担忧，因为此类数据集通常规模较小、标注需要领域专业知识且存在较高的观察者间与观察者内差异，而错误预测可能影响直接关乎人类健康的决策。在本文中，我们首先回顾了深度学习中处理标签噪声的最新进展。随后，我们回顾了在医学图像分析深度学习中应对标签噪声的研究。我们的综述表明，深度学习处理标签噪声的近期进展在很大程度上未被医学图像分析界所注意。为帮助更好地理解该问题的程度及其潜在补救方法，我们使用三个具有不同类型标签噪声的医学成像数据集进行了实验，在其中研究了几种现有策略并开发了新方法来对抗标签噪声的负面影响。基于这些实验结果及文献综述，我们就可用于缓解医学图像分析深度模型训练中不同类型标签噪声影响的方法提出了建议。我们希望本文能帮助医学图像分析的研究人员和开发者选择并设计有效处理深度学习中标签噪声的新技术。