带噪声标签的病理图像分割
图像与视频处理
2021-04-07 v1 计算机视觉与模式识别
摘要
病理图像分割对于准确的疾病诊断至关重要。人工标签的质量在分割精度中起着关键作用;然而在实践中,不同病理医生之间的标签可能不一致,从而混淆训练过程。在本工作中,我们提出一种新颖的标签重加权框架,根据每个像素的周边特征来考虑不同专家标签的可靠性。我们进一步设计了一种新的注意力热图,以粗糙度作为先验知识来引导模型关注重要区域。我们的方法在公开的Gleason 2019数据集上进行了评估。结果表明,我们的方法有效提升了模型对噪声标签的鲁棒性,并优于当前最优方法。
引用
@article{arxiv.2104.02602,
title = {Pathological Image Segmentation with Noisy Labels},
author = {Li Xiao and Yinhao Li and Luxi Qv and Xinxia Tian and Yijie Peng and S. Kevin Zhou},
journal= {arXiv preprint arXiv:2104.02602},
year = {2021}
}