自监督 BYOL 在半监督医学图像识别中的集成

图像识别技术严重依赖大量标注数据，尤其是在医学领域。应对获取标注数据的挑战推动了自监督学习和半监督学习的发展，特别是在标注数据有限的场景中。本文提出了一种创新方法，将自监督学习集成到半监督模型中，以增强医学图像识别。我们的方法首先利用 BYOL 方法在无标注数据上进行预训练。随后，合并伪标注数据集和已标注数据集构建神经网络分类器，并通过迭代微调进行优化。在三个不同数据集上的实验结果表明，我们的方法能最优地利用无标注数据，在医学图像识别的准确率方面优于现有方法。