克服医学视觉问答中的数据局限
计算机视觉与模式识别
2019-09-27 v1
摘要
传统的视觉问答(VQA)方法需要大量标注数据用于训练。遗憾的是，医学领域通常无法获得如此大规模的数据。本文提出一种新颖的医学 VQA 框架，克服了标注数据有限的局限。该框架探索了无监督去噪自编码器(DAE)与有监督元学习的使用。DAE 的优势在于利用大量无标注图像，而元学习的优势在于学习可快速适应标注数据有限的 VQA 问题的元权重。通过结合这些技术的优势，所提框架能够使用小规模标注训练集进行高效训练。实验结果表明，我们提出的方法显著优于当前最先进的医学 VQA。
引用
@article{arxiv.1909.11867,
title = {Overcoming Data Limitation in Medical Visual Question Answering},
author = {Binh D. Nguyen and Thanh-Toan Do and Binh X. Nguyen and Tuong Do and Erman Tjiputra and Quang D. Tran},
journal= {arXiv preprint arXiv:1909.11867},
year = {2019}
}
备注
Accepted in MICCAI 2019