从标签到先验：胶囊内镜中一种基于先验引导的少标签泛化提升方法
图像与视频处理
2024-05-07 v1 人工智能
计算机视觉与模式识别
机器学习
摘要
深度学习方法在无线胶囊内镜（WCE）病理自动诊断中缺乏泛化能力，阻碍了任何显著优势渗透到真实临床实践之中。因此，使用 WCE 的疾病管理仍依赖于医学专家详尽的手动检查。这解释了尽管具有若干优势，其应用却十分有限。先前的工作考虑使用更高质量和数量的标签来解决泛化不足的问题，然而考虑到病理的多样性，这几乎不可扩展，更不用说标注大型数据集还会额外增加医务人员负担。我们提出利用自由可用的领域知识作为先验，以学习更鲁棒且可泛化的表示。我们通过实验表明，领域先验可通过代理标签发挥作用从而惠及表示学习，由此在显著减少标注需求的同时，仍可实现完全无监督但具备病理感知的学习。我们在预训练期间使用对比学习目标与先验引导的视图，其中视图选择激发对病理信息的敏感性。在三个数据集上的大量实验表明，我们的方法优于（或缩小了与）该领域最先进方法的差距，在病理分类与跨数据集泛化方面确立了新基准，并可扩展至未见过的病理类别。
引用
@article{arxiv.2206.05288,
title = {From Labels to Priors in Capsule Endoscopy: A Prior Guided Approach for Improving Generalization with Few Labels},
author = {Anuja Vats and Ahmed Mohammed and Marius Pedersen},
journal= {arXiv preprint arXiv:2206.05288},
year = {2024}
}