用于乳腺癌诊断的联合多示例多标记学习评估
计算机视觉与模式识别
2015-10-13 v1 机器学习
摘要
多示例多标记学习在许多方面都是一个具有挑战性的问题。此类学习方法可能对包括乳腺癌检测与分类在内的许多医学诊断应用有所裨益。本研究使用 digiPATH 数据集的子集（全切片数字化乳腺癌组织病理学图像）来训练和评估六种最先进的多示例多标记方法。最后，通过有效的评估指标给出了这些方法的性能比较。结果表明，MIML-kNN 取得了最佳性能，平均精度为 65.3%，而大多数其他方法也获得了可接受的结果。
引用
@article{arxiv.1510.02942,
title = {Evaluation of Joint Multi-Instance Multi-Label Learning For Breast Cancer Diagnosis},
author = {Baris Gecer and Ozge Yalcinkaya and Onur Tasar and Selim Aksoy},
journal= {arXiv preprint arXiv:1510.02942},
year = {2015}
}