视频胃肠道内镜数据的可靠误标签检测
计算机视觉与模式识别
2026-02-09 v1 机器学习
摘要
深度神经网络的分类性能严重依赖于大规模准确标注数据集. 然而在医学影像中,获取此类数据集尤为具有挑战性,因为标注必须由专业医生提供,这严格限制了标注者的池容量. 此外,类别边界常常模糊且难以定义,这进一步复杂化了基于机器学习的分类. 本文旨在解决此问题,我们引入一个用于医学数据集误标签检测的框架. 该框架在两个最大的、公开可用的视频胃肠道内镜数据集上进行验证,后者是基于低分辨率图像视频流的重要医学影像程序. 此外,我们管道识别的潜在误标签样本均由三位经验丰富的消化科医生复审并重新标注. 我们的结果表明,所提出的框架成功检测了错误标注的数据,并在清理数据集后,在当前基线方法之上实现了改进的异常检测性能.
引用
@article{arxiv.2602.06938,
title = {Reliable Mislabel Detection for Video Capsule Endoscopy Data},
author = {Julia Werner and Julius Oexle and Oliver Bause and Maxime Le Floch and Franz Brinkmann and Hannah Tolle and Jochen Hampe and Oliver Bringmann},
journal= {arXiv preprint arXiv:2602.06938},
year = {2026}
}