医学预测问题中带噪声标签的深度学习：一项范围综述
机器学习
2024-03-21 v1 人工智能
摘要
目的：医学研究面临来自专家间差异和机器提取标签等因素引起的噪声标签的重大挑战。尽管如此，标签噪声管理的采用仍然有限，标签噪声在很大程度上被忽视。为此，迫切需要开展一项聚焦于该问题空间的范围综述。本范围综述旨在全面回顾基于深度学习的医学预测问题中的标签噪声管理，包括标签噪声检测、标签噪声处理和评估。涉及标签不确定性的研究也被纳入其中。方法：我们的范围综述遵循系统综述与荟萃分析首选报告条目（PRISMA）指南。我们检索了 4 个数据库，包括 PubMed、IEEE Xplore、Google Scholar 和 Semantic Scholar。我们的检索词包括“noisy label AND medical / healthcare / clinical”、“un-certainty AND medical / healthcare / clinical”以及“noise AND medical / healthcare / clinical”。结果：2016 年至 2023 年间共有 60 篇论文符合纳入标准。我们调查了医学研究中的一系列实际问题，包括标签噪声的来源、影响、检测、处理技术及其评估。提供了标签噪声检测方法与处理技术的分类。讨论：从方法论角度来看，鉴于大多数技术已在医学数据上进行过评估，我们观察到医学界与更广泛的深度学习社区保持同步。我们建议将标签噪声视为医学研究中的标准要素，即使其并非专门用于处理噪声标签。初步实验可以从易于实现的方法开始，例如抗噪损失函数、加权和课程学习。
引用
@article{arxiv.2403.13111,
title = {Deep learning with noisy labels in medical prediction problems: a scoping review},
author = {Yishu Wei and Yu Deng and Cong Sun and Mingquan Lin and Hongmei Jiang and Yifan Peng},
journal= {arXiv preprint arXiv:2403.13111},
year = {2024}
}