基于排序引导的半监督域适应严重程度分类
计算机视觉与模式识别
2026-04-03 v1
摘要
半监督域适应利用少量标记样本和大量未标记目标样本，因而在医学图像分析中可用于解决域迁移问题。然而，现有方法在严重程度分类中难以应对，因为类别边界不够明确。严重程度分类涉及自然有序的类别标签，这使得适应工作在复杂。我们提出一种新方法，通过排序得分对源域和目标域进行对齐。具体做法是 Cross-Domain Ranking 对样本对进行排序，而 Continuous Distribution Alignment 对排序得分分布进行对齐。在�疯性结肠炎和糖尿病性视网膜病变分类上进行实验，验证了该方法的有效性，成功地对齐了类别特定的排序得分分布。
引用
@article{arxiv.2604.01834,
title = {Ranking-Guided Semi-Supervised Domain Adaptation for Severity Classification},
author = {Shota Harada and Ryoma Bise and Kiyohito Tanaka and Seiichi Uchida},
journal= {arXiv preprint arXiv:2604.01834},
year = {2026}
}