ProCo：面向长尾医学图像分类的原型感知对比学习
计算机视觉与模式识别
2022-09-02 v1
摘要
医学图像分类已在医学图像分析中广泛采用。然而，由于医学领域数据收集与标注的困难，医学图像数据集通常高度不平衡。为解决此问题，以往工作利用类样本作为先验进行重加权或重采样，但特征表示通常仍不够具判别性。本文采用对比学习应对长尾医学不平衡问题。具体而言，我们首先提出类别原型与对抗原型实例以生成具代表性的对比对。随后，提出原型重标定策略以解决高度不平衡的数据分布。最后，设计统一的原型损失训练我们的框架。整体框架称为原型感知对比学习(ProCo)，以端到端方式的单阶段流水线统一，以缓解医学图像分类中的不平衡问题，这也是相对于遵循传统两阶段流水线的现有工作的显著进展。在两个高度不平衡的医学图像分类数据集上的大量实验表明，我们的方法大幅优于现有最先进方法。
引用
@article{arxiv.2209.00183,
title = {ProCo: Prototype-aware Contrastive Learning for Long-tailed Medical Image Classification},
author = {Zhixiong Yang and Junwen Pan and Yanzhan Yang and Xiaozhou Shi and Hong-Yu Zhou and Zhicheng Zhang and Cheng Bian},
journal= {arXiv preprint arXiv:2209.00183},
year = {2022}
}
备注
Accept to MICCAI 2022. Zhixiong Yang and Junwen Pan contributed equally to this work