利用顺序引导解耦表示学习实现有限标签下的溃疡性结肠炎分类
图像与视频处理
2023-03-03 v2 计算机视觉与模式识别
摘要
溃疡性结肠炎(UC)分类是内镜诊断的一项重要任务，涉及两个主要困难。首先，带有 UC（阳性或阴性）标注的内镜图像通常有限。其次，由于位于结肠中的位置不同，它们外观差异很大。尤其是第二个困难使我们无法使用现有的半监督学习技术，而后者正是针对第一个困难的常用补救方法。在本文中，我们通过新利用两个附加特征——结肠中的位置（例如左半结肠）和图像采集顺序，提出了一种实用的 UC 分类半监督学习方法，这两个特征通常附属于内镜图像序列中的各个图像。所提方法可通过带有这些特征的解耦过程高效提取 UC 分类的本质信息。实验结果表明，即使在少量标注图像下，所提方法在分类任务中也优于几种现有的半监督学习方法。
引用
@article{arxiv.2111.03815,
title = {Order-Guided Disentangled Representation Learning for Ulcerative Colitis Classification with Limited Labels},
author = {Shota Harada and Ryoma Bise and Hideaki Hayashi and Kiyohito Tanaka and Seiichi Uchida},
journal= {arXiv preprint arXiv:2111.03815},
year = {2023}
}
备注
Accepted by MICCAI 2021