通过带拒绝模块的Top-rank学习增强医学图像诊断的可靠性
计算机视觉与模式识别
2025-08-12 v1
摘要
在医学图像处理中，准确诊断至关重要。利用机器学习技术，特别是top-rank学习，通过关注最关键的实例显示出巨大的潜力。然而，噪声标签和类别模糊实例带来了挑战，它们可能严重阻碍top-rank目标，因为它们可能被错误地置于排名靠前的实例中。为了解决这些问题，我们提出了一种通过集成拒绝模块来增强top-rank学习的新方法。该模块与top-rank损失协同优化，识别并减轻阻碍训练有效性的异常值的影响。拒绝模块作为一个附加分支，基于衡量实例偏离常态程度的拒绝函数来评估实例。通过在医学数据集上的实验验证，我们的方法证明了其在检测和减轻异常值方面的有效性，提高了医学图像诊断的可靠性和准确性。
引用
@article{arxiv.2508.07528,
title = {Enhancing Reliability of Medical Image Diagnosis through Top-rank Learning with Rejection Module},
author = {Xiaotong Ji and Ryoma Bise and Seiichi Uchida},
journal= {arXiv preprint arXiv:2508.07528},
year = {2025}
}