医疗健康中的元学习：综述
机器学习
2024-08-14 v2 人工智能
摘要
作为机器学习的一个子集，元学习或“学会学习”旨在利用先验知识与经验提升模型能力。元学习范式可恰当应对传统学习方法的常规挑战，如样本不足、域偏移与泛化问题。这些独特特性使元学习成为在各种医疗健康场景中开发有影响力方案的合适选择，其中可用数据往往不足且数据收集方法各异。本综述讨论了元学习在医疗健康领域的广泛应用，以洞悉其如何及在何处能应对关键医疗挑战。我们首先描述元学习的理论基础与关键方法。然后将医疗健康领域采用的元学习方法划分为多/单任务学习与多/少样本学习两大类并调研相关研究。最后，我们强调元学习研究的当前挑战，讨论潜在解决方案，并给出医疗健康中元学习的未来展望。
引用
@article{arxiv.2308.02877,
title = {Meta-learning in healthcare: A survey},
author = {Alireza Rafiei and Ronald Moore and Sina Jahromi and Farshid Hajati and Rishikesan Kamaleswaran},
journal= {arXiv preprint arXiv:2308.02877},
year = {2024}
}