疫情抗韧胸部X射线分析的领域增量学习
计算机视觉与模式识别
2026-05-19 v1 人工智能
机器学习
摘要
深度学习模型在胸部X射线上实现了高精度的肺炎检测，但由于成像设备、获取协议和机构条件的差异，其在临床领域间的泛化性仍有限。本研究引入一种基于回放的领域增量持续学习方法，以实现跨领域变化的持续适应，同时避免灾难性遗忘。所提出的方法包含在受限内存内维持类平衡表示的类别感知平衡回放，以及在训练期间动态重新加权类别不平衡的类别感知损失。对由五个模拟领域组成的域迁移PneumoniaMNIST数据集上的实验表明，所提出的方法实现了88.66%的平均准确率，优于经验回放、微调和联合训练基线。这些发现凸显了该方法在实现跨临床环境变化的稳健且一致的肺炎检测方面的有效性。
引用
@article{arxiv.2605.17729,
title = {Domain Incremental Learning for Pandemic-Resilient Chest X-Ray Analysis},
author = {Danu Kim},
journal= {arXiv preprint arXiv:2605.17729},
year = {2026}
}
备注
Published in Korea Software Congress (2025)