预测黄斑裂孔术后视力改善：极少数据下深度学习的警示故事
图像与视频处理
2021-11-16 v2 计算机视觉与模式识别
机器学习
摘要
我们研究了利用术前数据(视网膜图像与临床特征)预测黄斑裂孔术后视力改善的机器学习模型潜力。我们为该任务收集自有数据，最终仅有121个总样本，使我们的工作处于极少数据情形。我们探索了多种针对极少数据的深度学习方法以训练深度计算机视觉模型，发现所有被测深度视觉模型均被基于临床特征的简单回归模型超越。我们认为这是极少数据下使用深度学习极端困难性的有力证据。
引用
@article{arxiv.2109.09463,
title = {Predicting Visual Improvement after Macular Hole Surgery: a Cautionary Tale on Deep Learning with Very Limited Data},
author = {M. Godbout and A. Lachance and F. Antaki and A. Dirani and A. Durand},
journal= {arXiv preprint arXiv:2109.09463},
year = {2021}
}
备注
Machine Learning for Health (ML4H) - Extended Abstract