带拒判的机器学习用于自动化肝病诊断
机器学习
2019-03-26 v1 计算机视觉与模式识别
图像与视频处理
机器学习
摘要
本文提出一种利用超声图像以自动化方式检测肝脏异常的新方法。为此,我们实现了一个机器学习模型,该模型不仅能对给定超声图像生成标签(正常与异常),还能检测其预测可能不正确的情况。所提模型在对其预测不确信时,拒绝对测试样本生成标签。这种行为通常由医生实践:当信息不足或病例困难时,他们可选择进行进一步临床或诊断测试后再给出诊断。然而,现有机器学习模型被设计为即使预测置信度低也总是对给定样本生成标签。我们提出了一种用于带拒判学习范式的新颖的基于随机梯度的求解器,并用它构建了用于肝病分类的实用SOTA方法。所提方法已在来自巴基斯坦Multan的MINAR约100名患者的数据集上基准测试,结果显示该方案提供了SOTA分类性能。
引用
@article{arxiv.1811.04463,
title = {Machine Learning with Abstention for Automated Liver Disease Diagnosis},
author = {Kanza Hamid and Amina Asif and Wajid Abbasi and Durre Sabih and Fayyaz Minhas},
journal= {arXiv preprint arXiv:1811.04463},
year = {2019}
}
备注
Preprint version before submission for publication. complete version published in proc. 15th International Conference on Frontiers of Information Technology (FIT 2017), December 18-20, 2017, Islamabad, Pakistan. http://ieeexplore.ieee.org/document/8261064/