Meta-SVDD：用于癌症组织学图像一类分类的概率元学习
图像与视频处理
2020-03-09 v1 计算机视觉与模式识别
机器学习
摘要
为了训练一个鲁棒的深度学习模型，通常需要在训练数据中拥有均衡的类别集合。然而，在医学领域获取的数据常常包含大量健康患者样本，而阳性、异常病例则很少。此外，阳性样本的标注需要医学领域专家耗费时间的投入。这一场景暗示了一类分类方法的前景。在本工作中，我们提出了一种用于组织学的通用一类分类模型，该模型在多个组织学数据集上同时进行元训练，并可应用于新任务而无需昂贵的重新训练。该模型可被病理学领域专家轻松使用，并有可能用于筛查目的。
引用
@article{arxiv.2003.03109,
title = {Meta-SVDD: Probabilistic Meta-Learning for One-Class Classification in Cancer Histology Images},
author = {Jevgenij Gamper and Brandon Chan and Yee Wah Tsang and David Snead and Nasir Rajpoot},
journal= {arXiv preprint arXiv:2003.03109},
year = {2020}
}
备注
Accepted to Medical Imaging meets NeurIPS Workshop, Conference on Neural Information Processing Systems 2019, Vancouver