基于相似比例损失学习进行骨骼肌恢复阶段分类
计算机视觉与模式识别
2025-05-09 v2 机器学习
摘要
评估受损肌肉组织的再生过程是肌肉研究中的一项基础分析，用于衡量实验效应量并揭示因衰老和疾病导致肌肉无力的机制。评估肌肉组织再生的传统方法涉及全切片成像以及专家根据细胞和纤维的形态学信息对恢复阶段进行视觉检查。有必要用结合机器学习技术的自动化方法取代这些任务，以确保定量和客观的分析。鉴于完全标注数据的有限性，一种可能的方法是标签比例学习（LLP），这是一种使用类别标签比例的弱监督学习方法。然而，当前的 LLP 方法存在两个局限性：(1) 它们无法针对肌肉组织调整特征提取器，(2) 它们将代表恢复阶段和细胞形态变化的类别视为名义变量，导致序数信息的丢失。为了解决这些问题，我们提出了基于相似比例的序数尺度学习（OSLSP），该方法使用由两种包组合导出的相似比例损失。OSLSP 可以通过对类别序数尺度使用类别比例注意力来更新特征提取器。我们采用 OSLSP 的模型在骨骼肌恢复阶段的分类任务中优于大规模预训练和微调模型。
引用
@article{arxiv.2505.04150,
title = {Learning from Similarity Proportion Loss for Classifying Skeletal Muscle Recovery Stages},
author = {Yu Yamaoka and Weng Ian Chan and Shigeto Seno and Soichiro Fukada and Hideo Matsuda},
journal= {arXiv preprint arXiv:2505.04150},
year = {2025}
}
备注
MICCAI2024 workshop ADSMI in Morocco (oral) [Peer-reviewed]