O-MedAL：用于医学图像分析的在线主动深度学习
机器学习
2020-07-29 v2 计算机视觉与模式识别
图像与视频处理
机器学习
摘要
主动学习方法从未标记数据中创建优化的标记训练集。我们引入了一种用于医学图像分析的新型在线主动深度学习方法。我们扩展了我们的 MedAL 主动学习框架以在本文中展示新结果。我们的新型采样方法查询使到所有训练集样本的平均距离最大化的未标记样本。我们的在线方法提升了其底层基线深度网络的性能。这些创新带来了显著的性能提升，包括将模型底层深度网络的准确率提高 6.30%，仅使用 25% 的标记数据集即达到基线准确率，将训练期间反向传播的图像减少多达 67%，并证明了在二分类和多分类任务中对类别不平衡的鲁棒性。
引用
@article{arxiv.1908.10508,
title = {O-MedAL: Online Active Deep Learning for Medical Image Analysis},
author = {Asim Smailagic and Pedro Costa and Alex Gaudio and Kartik Khandelwal and Mostafa Mirshekari and Jonathon Fagert and Devesh Walawalkar and Susu Xu and Adrian Galdran and Pei Zhang and Aurélio Campilho and Hae Young Noh},
journal= {arXiv preprint arXiv:1908.10508},
year = {2020}
}
备注
Code: https://github.com/adgaudio/o-medal ; Accepted and published by Wiley Journal of Pattern Recognition and Knowledge Discovery ; Journal URL: https://doi.org/10.1002/widm.1353