免费学得更多——一种用于改进胶囊内镜病理分类的多任务学习方法
计算机视觉与模式识别
2021-07-01 v1
摘要
无线胶囊内镜（WCE）计算机辅助诊断（CADx）的进展受限于数据匮乏。在丰富且具有代表性的健康与异常状况方面的不足，导致对病理的孤立分析，无法处理现实中的多病理场景。在本工作中，我们探索如何通过解决一个 WCE 多中心、多病理分类问题，从有限数据中免费学得更多。学得更多意指用相同数据学到比全监督所允许的更多内容。这是通过多任务学习下将自监督与全监督相结合来实现的。此外，我们在设计自监督任务时从人类视觉系统（HVS）汲取灵感，并探究数据中看似无效的信号本身是否可被利用以提升性能，若可行，哪些信号优于其他信号。进一步，我们呈现了对高层特征的分析，作为迈向更鲁棒的 WCE 多病理 CADx 的垫脚石。
引用
@article{arxiv.2106.16162,
title = {Learning More for Free - A Multi Task Learning Approach for Improved Pathology Classification in Capsule Endoscopy},
author = {Anuja Vats and Marius Pedersen and Ahmed Mohammed and Øistein Hovde},
journal= {arXiv preprint arXiv:2106.16162},
year = {2021}
}
备注
MICCAI 2021 (Provisional accept)