面向放射组学应用的多视图学习动态投票方法
计算机视觉与模式识别
2018-06-27 v2
摘要
由于不同类型肿瘤之间以及患者之间存在异质性，当今癌症诊断与治疗往往需要对每位患者进行个性化分析。放射组学（Radiomics）是近年来兴起的医学影像领域，过去几年已显示出在实现这种个性化方面的前景。然而，最近一项研究表明，放射组学中大多数最先进（SOTA）的工作未能将该问题识别为多视图学习任务，而多视图学习技术通常更为高效。在本工作中，我们进一步研究基于多分类器系统的一类多视图学习方法的潜力，其中在每个视图上学习一个分类器，随后将所有分类器进行组合。特别地，我们提出了一种基于随机森林的动态加权投票方案，该方案为分类任务中每位新患者个性化地组合各视图。所提出的方法在多个真实世界放射组学问题上进行了验证。
引用
@article{arxiv.1806.07686,
title = {Dynamic voting in multi-view learning for radiomics applications},
author = {Hongliu Cao and Simon Bernard and Laurent Heutte and Robert Sabourin},
journal= {arXiv preprint arXiv:1806.07686},
year = {2018}
}
备注
10 pages