从噪声有序疾病进展标签中学习疾病状态
计算机视觉与模式识别
2025-08-08 v2 机器学习
摘要
从噪声有序标签学习是医学影像中的关键挑战。本文询问的是，疾病进展标签(更好、更差或稳定)能否用于学习一种允许对疾病状态进行分类的表示。对于青光眼性年龄相关性黄斑变性(nAMD)，我们将建模医疗访问之间疾病进展的问题视为具有有序等级的分类任务。为增强泛化性，我们通过 (1) 独立图像编码、(2) 反对称 logit 空间等距性和 (3) 有序尺度意识来定制我们的模型。此外，我们通过学习不确定性估计来解决标签噪声。我们的方法学习了一个可解释的疾病表示，使其在仅使用带有序疾病进展标签的图像对进行训练的情况下，仍能实现强大的 few-shot 性能，用于 nAMD 活动分类的相关任务。
引用
@article{arxiv.2503.10440,
title = {Learning Disease State from Noisy Ordinal Disease Progression Labels},
author = {Gustav Schmidt and Holger Heidrich and Philipp Berens and Sarah Müller},
journal= {arXiv preprint arXiv:2503.10440},
year = {2025}
}
备注
corrected Table 1